一种基于向量的概率加权关联规则挖掘算法

J4 ›› 2014, Vol. 36 ›› Issue (02): 354-358.

一种基于向量的概率加权关联规则挖掘算法

赵志刚,万军,王芳

（广西大学计算机与电子信息学院，广西南宁 530004）

收稿日期:2012-06-28 修回日期:2012-11-29 出版日期:2014-02-25 发布日期:2014-02-25
基金资助:
国家自然科学基金资助项目（60973074）

A probability weighted association rules mining algorithm based on vector

ZHAO Zhigang,WAN Jun,WANG Fang

(College of Computer and Electronics Information,Guangxi University,Nanning 530004,China)

Received:2012-06-28 Revised:2012-11-29 Online:2014-02-25 Published:2014-02-25

摘要/Abstract

摘要：

关联规则挖掘是数据挖掘领域中最活跃的一个分支。目前提出的许多关联规则挖掘算法需要多次扫描数据库并产生大量候选项集，影响了挖掘效率。针对加权关联规则挖掘算法中多次扫描数据库影响算法性能的问题，对其进行了优化，采取了以空间换时间的思路，提出一种基于向量的概率加权关联规则挖掘算法。以求概率的方式设置项目属性的权值，通过矩阵向量存储结构保存事务记录，只需扫描一次数据库，并且采用不同的剪枝策略及加权支持度和置信度的计算方式。使用数据实例进行模拟实验，结果表明此算法明显提高了挖掘效率。

关键词: 数据挖掘, 概率, 向量, 加权关联规则, 剪枝策略

Abstract:

Association rules mining is one of the most active branch of data mining. Many association rules mining algorithms need to scan the database many times and produce a large number of candidate items. Aiming at the problem of scanning database several times, a probabilityweighted association rules mining algorithm based on vector is proposed. It sets the weight value of item by computing the probability and saves the transaction records via the matrixvector structure by scanning the database only once. In addition, it employs different cutting strategies and computing ways of weighted support and confidence. Experimental results show that the new algorithm can improve the mining efficiency distinctly.

Key words: data mining;probability;vector;weighted association rules;cutting strategies

赵志刚,万军,王芳. 一种基于向量的概率加权关联规则挖掘算法[J]. J4, 2014, 36(02): 354-358.

ZHAO Zhigang,WAN Jun,WANG Fang. A probability weighted association rules mining algorithm based on vector [J]. J4, 2014, 36(02): 354-358.

参考文献

［1］Agrawal R,Imidinski T,Swanmi A. Mining association rules between sets of items in large database［C］∥Proc of the ACM SIGMOD Conference on Management of Data, 1993:207216．
［2］Yin Qun,Wang Lizhen,Tian Qiming. Algorithm of mining association rules with weighted items based on probability［J］. Computer Applications, 2005, 25(4):805807.(in Chinese)
［3］Hou Xinli, Meng Xiaowei,Yu Song. Weighted association rules mining algorithm based on matrix［J］. Computer Development & Applications, 2010, 23(6):3436.(in Chinese)
［4］Li Chengjun,Yang Tianqi. Improved weighted association rules mining method［J］. Computer Engineering, 2010, 36(7):5557.(in Chinese)
［5］Li Yanwei,Dai Yueming,Wang Jinxin.Improved algorithm for mining weighted frequent itemsets［J］. Computer Engineering and Applications, 2011, 47(15):165167.(in Chinese)
［6］Hu Jiming, Xian Xuefeng. Research and improvement on Apriori’s algorithm in mining with association rules［J］. Computer Technology and Development, 2006, 16(4):99101.(in Chinese)
［7］Fang Gang, Xiong Jiang. Algorithm of intercrossing mining association rules based on binary［J］. Computer Engineering and Applications, 2009, 45(7):141145.(in Chinese)
附中文参考文献：
［2］尹群,王丽珍,田启明. 一种基于概率的加权关联规则挖掘算法［J］. 计算机应用,2005, 25(4):805807.
［3］侯新丽,孟晓伟,于松. 基于矩阵的加权关联规则挖掘算法［J］. 电脑开发与应用,2010, 23(6):3436.
［4］李成军,杨天奇. 一种改进的加权关联规则挖掘方法［J］. 计算机工程, 2010, 36(7):5557.
［5］李彦伟,戴月明,王金鑫. 一种挖掘加权频繁项集的改进算法［J］. 计算机工程与应用,2011, 47(15):165167.
［6］胡吉明,鲜学丰. 挖掘关联规则中Apriori算法的研究与改进［J］. 计算机技术与发展,2006, 16(4):99101.
［7］方刚,熊江. 二进制的交叉挖掘关联规则研究［J］. 计算机工程与应用, 2009, 45(7):141145.

[1]	胡庆孟, 王红斌, 王俊钟. 基于NPN融入词性注意力机制的中文事件探测[J]. 计算机工程与科学, 2023, 45(08): 1490-1497.
[2]	喻金平, 朱伟锋, 廖列法. 基于RoBERTa-wwm-BiLSTM-CRF的扶持政策文本实体识别研究[J]. 计算机工程与科学, 2023, 45(08): 1498-1507.
[3]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[4]	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.
[5]	李小玲, 方建滨, 马俊, 谭霜, 谭郁松. 基于监督学习的稀疏矩阵自动任务分配[J]. 计算机工程与科学, 2023, 45(05): 782-789.
[6]	排日旦·阿布都热依木, 吐尔地·托合提, 艾斯卡尔·艾木都拉, . 基于深度学习的实体关系抽取方法研究[J]. 计算机工程与科学, 2023, 45(05): 895-902.
[7]	董芃杉, 张晶, 金日泽. 基于双通道门控复合网络的中文产品评论情感分析[J]. 计算机工程与科学, 2023, 45(05): 911-919.
[8]	陈财森, 胡海荣, 程志炜, 房璐璐. 基于BA-RVM算法的发动机故障诊断技术研究[J]. 计算机工程与科学, 2023, 45(02): 332-337.
[9]	唐宇, 代琪, 杨梦园, 陈丽芳, . 改进麻雀搜索算法优化SVM的异常点检测[J]. 计算机工程与科学, 2023, 45(02): 346-354.
[10]	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.
[11]	郭盼盼, 陈梦雪, 梁祖达, 马晓畅, 许邦建. 面向FT-M7002平台点积算法的优化实现[J]. 计算机工程与科学, 2022, 44(11): 1909-1917.
[12]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[13]	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.
[14]	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.
[15]	马汉达, 朱敏. 改进SVM不平衡数据分类的IGWOSMOTE方法[J]. 计算机工程与科学, 2022, 44(06): 1133-1140.