[发明专利]一种基于相关兴趣度的关联规则挖掘方法

权利要求书

1.一种基于相关兴趣度的关联规则挖掘方法，其特征在于：具体包含如下步骤：

步骤1，输入事务数据库TID，最小支持度阈值ψ，最小All-confidence阈值η，最小Related-confidence阈值μ，最小项集相关性度量阈值λ；

步骤2，计算事务数据库TID的每个项目i_i的支持度sup(i_i)，得到1-频繁项集L₁；

步骤3，由L_k-1与L_k-1相连接产生候选的k-频繁模式M_k，即M_k←L_k-1*L_k-1，其中k为大于等于2的常数，且

步骤4，计算每个属于候选的k-频繁模式M_k的模式x的支持度，去除不满足支持度关系式sup(x)≥ψ的模式；

步骤5，计算每个属于候选的k-频繁模式M_k并且满足步骤4的模式x的关联度量值，去除不满足关联兴趣度All-confidence关系式α(x)≥η的模式；

步骤6，计算每个属于候选的k-频繁模式M_k并且满足步骤5的模式x的相关度量值，去除不满足相关兴趣度Related-confidence关系式L(x)≥μ的模式；

步骤7，构造一个空的存储区域C_k，分别将满足步骤4、步骤5和步骤6的获选模式x加入存储区域C_k，将存储区域C_k作为步骤8生成候选关联规则的数据集，进行赋值操作即L_k←C_k，将L_k作为下一阶迭代的基础即M_k+1←L_k*L_k；

步骤8，从满足关联兴趣度和相关兴趣度的k-频繁项集的C_k中取出模式x，生成获选的关联规则n，即通过项目集相关性度量Q(R)计算项集相关性度量值，过滤掉不满足关系式Q(n)＜λ的虚假关联规则，其中，X是模式x的前项集；

步骤9，将从步骤8得到的有效关联规则n加入关联规则集GS_k作为最后返回的结果，判断L_k是否为空，若为空，则输出关联规则GS_k，反之则返回步骤3继续执行。

2.根据权利要求1所述的基于相关兴趣度的关联规则挖掘方法，其特征在于，在步骤4中，获取模式x支持度的具体方法如下：

sup(x)=|{T∈D|x∈T}||D|∈[0,1]]]>

其中，sup(x)为模式x的支持度，D为可变长度事务集，且D＝{T₁,T₂,…T_m}，T为事务，其中m为正整数。

3.根据权利要求1所述的基于相关兴趣度的关联规则挖掘方法，其特征在于，在步骤5中，获取模式x关联兴趣度All-confidence的方法：

其中，α(X)为模式x关联兴趣度，d为事务，i为包含l事务的数量，X为模式x，p(X)为模式x的幂集，l为模式x的子集。