计算机科学 ›› 2005, Vol. 32 ›› Issue (10): 124-127.

• 计算机网络与信息安全 • 上一篇    下一篇

超越支持度-置信度框架的负相关对规则挖掘

  

  • 出版日期:2018-11-17 发布日期:2018-11-17
  • 基金资助:
    本文研究获高等学校博士学科点专项科研基金:基于浓缩数据立方的联机分析处理与梯度挖掘(项目编号20030487032)资助.

  • Online:2018-11-17 Published:2018-11-17

摘要: 相关规则比传统的关联规则更具有实际意义.但现存的相关规则挖掘算法均需利用apriori类似算法挖掘具有高支持度的项集,再对获得的项集进行相关性测试而获取相关规则,这导致低支持度-高相关度的规则不易被发现.直接挖掘相关规则的困难在于候选相关项不能利用apriori类似性质进行剪枝,导致搜索空间爆炸性增长.本文提出的算法MNI利用Phi相关系数的下界来产生候选负相关项,从而缩小负相关项搜索空间,并证明了该算法的完全性和正确性.在负相关项对基础上利用规则可靠度产生负相关规则时,提出将负相关对计数统一转化为正相关

关键词: 关联规则 相关规则 Phi相关系数 规则可靠度 规则挖掘 负相关 apriori 置信度 挖掘算法 相关规则 框架 搜索空间 实际意义

Abstract: High correlation rules are more practical than traditional association rules,but existed correlation rule mining algorithms are almost apriori-based. This results in the difficulty of finding correlation rules with low support but high correlation. In thi

Key words: Association rules, Correlation rules, Phi correlation coefficient, Rule reliability measure

No related articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!