[发明专利]一种基于深度剪枝策略的关联规则挖掘方法

权利要求书

1.一种基于深度剪枝策略的关联规则挖掘方法，用于挖掘用户信息，输入的事务数据库为用户信息数据表，表中每条记录的字段包括用户编号、婚姻状态、性别、收入、子女数、教育状况、职业状况、是否有房、汽车数量、活动范围、地域、年龄以及是否购买自行车；表中每条记录对应一个事务，每条记录中的每个字段代表一个项；所述方法用于获取k-频繁项集，k-频繁项集是指支持度大于等于最小支持度计数的k-项集；k-项集是包括k个项的项集；其特征在于，包括：

将事务数据库扫描成布尔矩阵M，矩阵M中的每列表示一个事务，每行表示一个项或者项集；并生成1-频繁项集的布尔矩阵M₁，M₁中的每一列和每一行，都按照值从小到大的顺序进行排列，通过排序确定频繁项集连接的相对顺序；将矩阵M中小于最小支持度计数的项集对应的行向量删除后得到矩阵M₁；

生成(k+1)-频繁项集及对应的布尔矩阵，k≥1；当k≥3时，每次生成(k+1)-频繁项集时，先根据项跟位置关系对k-频繁项集进行剪枝，再生成(k+1)-频繁项集；

所述的根据项跟位置关系是指：(1)统计首项为I的k-频繁项集的数目，数目必须大于等于k， (2)对首项为I的k-频繁项集的前k-1项，设i代表首项为I的k-频繁项集中的位置，位置在i的项出现的次数必须大于等于k-i， i从0开始计数，且k-i0；I为用户信息数据表中记录的一个字段；

所述的根据项跟位置关系对k-频繁项集进行剪枝，是指将不符合所述项跟位置关系的k-频繁项集删除；

当(k+1)-频繁项集的数目小于k+1，则停止查找，否则更新k值，继续生成(k+1)-频繁项集。

2.根据权利要求1所述的基于深度剪枝策略的关联规则挖掘方法，其特征在于，所述的(k+1)-频繁项集在生成时，先根据事务长度对k-频繁项集的布尔矩阵进行压缩，具体是，对k-频繁项集对应的布尔矩阵，若其中某事务长度小于k，则从该布尔矩阵中删掉该事务。

3.根据权利要求1或2所述的基于深度剪枝策略的关联规则挖掘方法，其特征在于，所述的关联规则挖掘方法实现步骤包括：

步骤1，将事务数据库D扫描成布尔矩阵M；矩阵M中的每列表示一个事务，每行表示一个项或者项集；

步骤2，对布尔矩阵M进行去重压缩和排序；

步骤3，根据步骤2处理后的矩阵M寻找1-频繁项集，按照顺序连接1-频繁项集构成2-频繁项集；

根据事务长度对布尔矩阵M₁进行压缩；

在将1-频繁项集连接生成2-频繁项集时，若连接的项集的支持度小于最小支持度计数时，删除该项集；在得到2-频繁项集对应的布尔矩阵M₂后，根据事务长度对矩阵进行压缩；

步骤4，对k-频繁项集中的每个项集向下进行扫描，生成(k+1)-候选项集；

步骤5，计算(k+1)-候选项集的支持度，将小于最小支持度计数的候选项集舍弃，生成(k+1)-频繁项集；

步骤6，若(k+1)-频繁项集的数目小于k+1，则结束查找，终止本方法；否则更新所生成的(k+1)-频繁项集为当前的k-频繁项集，继续步骤7；

步骤7，根据事务长度对k-频繁项集的布尔矩阵进行压缩；

步骤8，根据项跟位置关系对k-频繁项集进行剪枝，然后转步骤4执行。

4.根据权利要求3所述的基于深度剪枝策略的关联规则挖掘方法，其特征在于，所述的关联规则挖掘方法，使用Python和numpy模块、DataFrame模块，来对布尔矩阵排序和压缩。