[发明专利]一种基于相关兴趣度的关联规则挖掘方法

说明书

技术领域

本发明属于数据处理领域，尤其涉及一种基于相关兴趣度的关联规则挖掘方法。

背景技术

关联规则技术是一种经典的数据挖掘方法，它善于从缺乏先验信息的海量数据中发现隐含的有意义的知识，预测未来趋势及行为，做出前瞻性的基于知识的决策。正是这种优势使得关联规则在分析各行各业数据的研究中被广泛地采用并取得了许多有价值的成果。关联规则自1993年提出以来一直是数据挖掘领域中较为活跃的研究分支，其目的就是为了从海量的数据中发现更为可靠的项之间有趣的关联和相关关系，产生有效的并且高质量的关联规则并用于各行业生产决策。

传统基于支持度-置信度框架的关联规则挖掘已经得到了广泛而深入的研究，这种方法是把支持度和置信度作为标准来度量人们感兴趣的规则，虽然它可以使用最小支持度和置信度阀值排除大量无趣的规则，但仍然容易产生大量无意义的、冗余的，甚至是误导的关联规则。如果人们为了避免丢失一些有意义的规则而把支持度阈值设置得足够低，那么将可能得到一些对用户没有实际应用价值的规则，甚至包含负相关或者包含交叉支持模式的可疑关联规则，并且有可能影响计算效率；如果把支持度阈值设置得太高，那么有可能丢失一些有价值的规则。为了克服关联规则挖掘中存在的缺点，提高关联规则挖掘效率，国内外的研究学者引入兴趣度度量来补充支持度-置信度框架，并取得了一定的成果。

兴趣度是关联规则挖掘中的一个重要分支，关联规则的兴趣度习惯上分为主观兴趣度和客观兴趣度两大类。主观兴趣度属于用户驱动反映用户对关联规则的主观关注程度，与用户的先验知识、规则的期望等有关；客观兴趣度则是由规则或模式的自身结构和数据库中的数据对象决定。目前，对关联规则兴趣度的研究主要还是停留在简单的使用客观性兴趣度，这远远的不够它很难考虑模式和规则的所有方向。同时衡量兴趣度的模型多种多样，兴趣度的定义方法各不相同，在选取合适的兴趣度度量来提高挖掘效率和获取高质量的规则仍然存在着困难。

发明内容

本发明针对现有技术的不足，提出一种基于相关兴趣度的关联规则挖掘方法，通过全置信度all-confidence，相关兴趣度Related-confidence和项集相关性度量进行模式剪枝消除在传统关联规则挖掘中存在的可疑模式或关联规则，一定程度的去改善一般性关联规则在挖掘前、后项集不对称情况时的不足，进一步提高所生成关联规则的质量。

本发明的技术方案如下：

一种基于相关兴趣度的关联规则挖掘方法，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；