本文在針對關(guān)聯(lián)規(guī)則的Apriori 算法的基礎(chǔ)上,為了提高用戶數(shù)據(jù)挖掘的人機交互性能,
解決關(guān)聯(lián)規(guī)則挖掘產(chǎn)生冗余規(guī)則的問題,提出了基于用戶導(dǎo)向的關(guān)聯(lián)規(guī)則挖掘方法
SQL-IIAR 算法。
關(guān)鍵詞: 數(shù)據(jù)挖掘;關(guān)聯(lián)規(guī)則;用戶導(dǎo)向;SQL-IIAR 算法
數(shù)據(jù)挖掘是一個從大量數(shù)據(jù)中提取有用的、有趣的知識的處理過程。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘
是數(shù)據(jù)挖掘中一種非常重要的模式。關(guān)聯(lián)規(guī)則挖掘是指從海量的數(shù)據(jù)庫中挖掘項集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。關(guān)聯(lián)規(guī)則的核心挖掘算法是Apriori 算法。但是該算法在挖掘過程中會產(chǎn)生大量候選項集,降低了關(guān)聯(lián)規(guī)則挖掘的效率;同時關(guān)聯(lián)規(guī)則挖掘會得到大量冗余規(guī)則,降低了關(guān)聯(lián)規(guī)則挖掘的有效性;并且關(guān)聯(lián)規(guī)則挖掘之用戶交互性能也較差。目前,諸多的學(xué)者針對Apriori 算法的不足,提出NIUA、FUP、partition 法、動態(tài)剪枝、PIUA 等等算法,但是總的來說,這些算法較復(fù)雜,效率較低,交互性較差。
為了方便、快速地從事務(wù)數(shù)據(jù)庫中挖掘出用戶感興趣的頻繁項集,本文在Apriori 算法的
基礎(chǔ)上,按照用戶設(shè)置的規(guī)則的前件和后件,將原始事務(wù)數(shù)據(jù)庫轉(zhuǎn)化為新的包含規(guī)則的前件和后件的新的數(shù)據(jù)庫,通過對數(shù)據(jù)的預(yù)處理,并改進(jìn)Apriori 算法的挖掘過程,壓縮事務(wù)數(shù)據(jù)庫,提高了關(guān)聯(lián)規(guī)則的質(zhì)量和效率。