加权关联规则挖掘和基于兴趣度知识评价研究

《加权关联规则挖掘和基于兴趣度知识评价研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要在数据库知识发现(KKD)研究中，许多关联规则挖掘和基于兴趣度的知识客观评价，把数据库中的各属性假设为具有相同的重要性。但在某些研究和应用领域，不同的属性在用户看来应具有不同的重要性，为体现属性的重要性，引入属性加权。如何对加权后的关联规则进行挖掘及评价，这就是本文的研究工作。在加权关联规则挖掘的研究中，主要的工作是从事务数据库中产生加权频繁项目集。由于加权频繁项目集不具有向下封闭性，也就是，加权频繁项目集的子集不一定加权频繁。因此，不能用现有的Apriori算法及其改进算法产生加权频繁项目集。本文针对已有的一些加权关联规则挖掘方法中的不足，设计了两个不同的挖掘加权频繁项

2、目集的算法，并对这两个算法加以比较。与算法一相比，理论上，算法二是基于格的理论设计，有效减少了候选集中元素的个数，并通过对原始事务数据库进行转化，使得计算项目集的支持数的方法较为简单，且扫描数据库的次数较少，因此，算法二比算法一要好。在实验上，本研究实现了这两个算法，并在合成数据上运行，验证了这两个算法的正确性和有效性。并且，这两个算法在各种实验数据上运行的结果表明，算法二在执行时间上的效率要优于算法一，且扩展性较好，符合理论分析结果。在基于兴趣度的知识评价研究中，本文给出了兴趣度定义，并对兴趣度的取值进行了讨论。用兴趣度对规则评价时，通过设定最小兴趣度闽值，以产生用户感兴趣

3、的知识。此外，本文还把兴趣度扩展为加权兴趣度，以对挖掘产生的加权关联规则进行评价，得到对用户具有实际指导意义的知识。关键字:数据挖掘，数据库知识发现，加权关联规则，加权频繁项目集，兴趣度，加权兴趣度，知识评价ABSTRACTThesameimportanceoftheatributesareconsideredinsomestudiesofminingassociationrulesandobjectiveevaluationofknowledgebasinginterestinKKD.Butdiferentclientviewtheatributeshavingdifere

4、ntimportanceinsomefieldsofthestudyandapplication.Thus,theattributesaregivenweightsforreflectingtheirimportance.Howtominingandevaluatingtheassociationruleswithweightsisstudiedinthispaper.Inthestu勿ofminingassociationruleswithweight，itismajorworktoobtainthefrequentitemswithweights.Thepresented

5、Apriorialgorithmanditsimprovingalgorithmcan'tbeusedinproducingfrequentitemswithweights,becauseoftheyarenotdownwardclosure.Thus,twodiferentalgorithmsaredesignedtominingfrequentitemswithweights.Thealgorithmsimprovetheexistedalgorithmsofminingfrequentitemswithweights.Comparingthefirstalgorithm

6、,thesecondalgorithmbaseonlaticetheoryanddecreasethenumberofcandidateitemsThroughtranslatingtheprimitivedatabase,thesecondalgorithmmakecalculatingthecountsofitemssimplyandthenumberofscanningdatabasedecrease.Thusthesecondalgorithmisbetterthanthefirst.Thetwoalgorithmsarefulfilledinexperimentan

7、dtestedbyusingsyntheticdata.Theexperimentalresultvalidatethealgorithmsarecorrectandvalid.Usingdiferenttestingdata,theresultshowthatthesecondalgorithmexceedthefirstintimeanditsexpansibilityisverygood.Thisisaccordancetotheanalysisintheory.Inthestudyofknowl