一种时态关联规则挖掘算法

J4 ›› 2011, Vol. 33 ›› Issue (9): 105-108.

一种时态关联规则挖掘算法

李广原1,2,刘英华1,3,刘永彬1

(1.北京科技大学计算机与通信工程学院，北京100083;2.广西师范学院计算机与信息工程学院，广西南宁 530023;3.中国青年政治学院，北京100089)

收稿日期:2011-05-20 修回日期:2011-07-26 出版日期:2011-09-25 发布日期:2011-09-25
作者简介:李广原(1969),男,广西上林人，博士，副教授,研究方向为数据挖掘。
基金资助:
国家自然科学基金资助项目（60875029）

An Efficient Mining Algorithm of Temporal Association Rules

LI Guangyuan1,2,LIU Yinghua1,3,LIU Yongbin1

(1.School of Computer and Communication Engineering，University of Science and Technology Beijing，Beijing 100083;2.〖JP2〗School of Computer and Information Engineering，Guangxi Teachers’ Education University，Nanning 〖JP〗530023;3.China Youth University for Political Sciences，Beijing 100089，China)

Received:2011-05-20 Revised:2011-07-26 Online:2011-09-25 Published:2011-09-25

摘要/Abstract

摘要：

时态关联规则挖掘是针对在一段时间范围内的关联挖掘，在现实中有较多的应用。现有的大多数时态关联挖掘算法或者需要多次扫描数据库，或者没有考虑各个项在数据集上出现或结束时间上的不同，因而挖掘性能受到较大的制约。为此，本文提出一种增量式的面向具有不同时间出现与结束的项的时态关联规则挖掘算法。为减少存储方面的开销，只需保存已挖掘过的历史数据集中的频繁1项集。为了减少数据的扫描量，通过有效的剪枝策略，有选择性地扫描相关事务项，至多只需扫描一次完整的数据库。实验证明，该算法具有较好的挖掘性能。

关键词: 数据挖掘, 关联规则, 时态挖掘

Abstract:

Temporal association rules mining(TARM) is widely applied in many applications, it aims at mining rules within a certain interval of time. Most of the exiting algorithms for TARM need to scan several times of the database, or do not consider the different exhibition period of an individual item, so the efficiency of these algorithms are not enough. In this paper, we present a novel approach to investigating TARM, the proposed algorithm works in an incremental way which takes the different exhibition period of individual item into account, in order to reduce the cost of storage, and only the frequent 1item is stored, and efficient pruning techniques are adopted to reduce the scan times of the database, and it only needs at most one time to scan the whole data set to obtain all the temporal association rules. The experimental results show that the proposed algorithm is efficient.

Key words: data mining;association rules;temporal mining

李广原1,2,刘英华1,3,刘永彬1. 一种时态关联规则挖掘算法[J]. J4, 2011, 33(9): 105-108.

LI Guangyuan1,2,LIU Yinghua1,3,LIU Yongbin1. An Efficient Mining Algorithm of Temporal Association Rules[J]. J4, 2011, 33(9): 105-108.

[1]	赵琰, 马慧芳, 王文涛, 童海斌, 贺相春. 可靠响应表示增强的知识追踪方法[J]. 计算机工程与科学, 2024, 46(03): 535-544.
[2]	雷轩, 程光, 张玉健, 郭靓, 张付存. 基于电力网络态势感知平台的告警信息关联分析[J]. 计算机工程与科学, 2023, 45(07): 1197-1208.
[3]	王晨宇, 温浩珉, 郭晟楠, 林友芳, 万怀宇, . 面向快递员揽收到达时间预测的多任务深度时空网络[J]. 计算机工程与科学, 2023, 45(01): 136-144.
[4]	程小刚, 郭韧, 周长利, . 基于理性密码学的分布式隐私保护数据挖掘框架[J]. 计算机工程与科学, 2022, 44(10): 1781-1787.
[5]	王文涛, 马慧芳, 舒跃育, 贺相春. 基于上下文表示的知识追踪方法[J]. 计算机工程与科学, 2022, 44(09): 1693-1701.
[6]	刘云, 肖添. 网络日志数据中条件因果挖掘算法的优化研究[J]. 计算机工程与科学, 2021, 43(09): 1584-1590.
[7]	文凯, 许萌萌, 张许红, . 基于列表结构的加权可擦除项集挖掘算法[J]. 计算机工程与科学, 2021, 43(09): 1676-1683.
[8]	熊中敏, 汪博, 陶然, 郑宗生, 陈明, . 一种基于主属性判定的关联规则挖掘约简算法[J]. 计算机工程与科学, 2021, 43(04): 738-745.
[9]	藏润强, 左美云, 郭鑫鑫. 基于Doc2Vec和BiLSTM的老年患者疾病预测研究[J]. 计算机工程与科学, 2020, 42(12): 2273-2279.
[10]	杨岚雁, 靳敏, 张迎春, 张珣. 一种基于关联规则的MLKNN多标签分类算法[J]. 计算机工程与科学, 2020, 42(07): 1309-1317.
[11]	何望1,2，林果园1,2. 基于FP-Growth改进算法的云服务器故障数据分析[J]. 计算机工程与科学, 2020, 42(05): 770-775.
[12]	谭胜昔，贾金萍，赵斌，吉根林. 动态空间网络中的黑洞模式挖掘算法[J]. 计算机工程与科学, 2020, 42(02): 325-333.
[13]	杨青1,2,3，张亚文1,2，张琴1，袁佩玲1. 基于Hadoop的多维关联规则挖掘算法研究及应用[J]. 计算机工程与科学, 2019, 41(12): 2127-2133.
[14]	廖纪勇，吴晟，刘爱莲. 基于布尔矩阵约简的Apriori算法改进研究[J]. 计算机工程与科学, 2019, 41(12): 2231-2238.
[15]	何登平1，2，3，何宗浩1,2，李培强1,2. 基于Spark的并行化高效用项集挖掘算法[J]. 计算机工程与科学, 2019, 41(10): 1723-1730.