[发明专利]一种基于相关兴趣度的关联规则挖掘方法

摘要

本发明公开了一种基于相关兴趣度的关联规则挖掘方法，该方法首先从事务数据库TID中得到1‑频繁项集，产生更高阶的候选频繁模式；接着对候选的频繁模式进行支持度阈值判断去掉非频繁项目集，然后由关联兴趣度量All‑confidence过滤掉可疑交叉支持模式，由相关兴趣度量Related‑confidence消除包含负相关的可疑关联规则，将满足上述条件的模式加入Ck候选集作为下一迭代的基础，并产生候选的前后项集的关联规则；最后通过项目集相关性度量Q(R)，过滤掉前、后项目集是负相关的虚假关联规则，返回较为可靠的关联规则集GSk。本发明确实有效的促使后项集X‑A的发生，确实有效的消除了可疑模式和前后项集负相关的关联规则，不仅有很好的剪枝效果而且提高了关联规则的质量，具有较强的实用价值。

主权项

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ii的支持度sup(ii)，得到1‑频繁项集L1；步骤3，由Lk‑1与Lk‑1相连接产生候选的k‑频繁模式Mk，即Mk←Lk‑1*Lk‑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Mk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Mk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Mk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Ck，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Ck，将存储区域Ck作为步骤8生成候选关联规则的数据集，进行赋值操作即Lk←Ck，将Lk作为下一阶迭代的基础即Mk+1←Lk*Lk；步骤8，从满足关联兴趣度和相关兴趣度的k‑频繁项集的Ck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GSk作为最后返回的结果，判断Lk是否为空，若为空，则输出关联规则GSk，反之则返回步骤3继续执行。