基于主观兴趣度的关联规则优化算法

被引：2

作者：

牛新征 ^{[1
]}

杨健 ^{[2
]}

周明天 ^{[1
]}

机构：

[1] 电子科技大学计算机科学与工程学院

[2] 电子科技大学信息与软件学院

来源：

四川大学学报(工程科学版) | 2013年 / 45卷 / 04期

关键词：

关联规则; 规则优化; 模板; 兴趣度;

D O I：

10.15961/j.jsuese.2013.04.016

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

基于兴趣度的规则优化算法通过整合用户领域知识,对规则进行了精简和优化,有效地帮助了用户发现其最感兴趣的规则。但算法仍存在兴趣度计算方式欠妥、用户含义表达受限等问题。提出对兴趣度计算方法的改进,对单模板情况下的计算进行分类讨论,解决了兴趣度计算不合理的问题。同时,新算法引入复合模板的技术,支持对规则的多维分析,丰富了用户含义的表达。通过2组对比实验验证,改进后的基于主观兴趣度的规则优化算法能导出更加合理的兴趣度排序结果,给用户提供更有价值的规则参考。

引用

页码：131 / 139

页数：9

共 12 条

[1]

A support system for interpreting statistical data. Hoschka P,Klosgen W. Knowledge Discovery in Database . 1991

[2]

The interestingness of deviations. Piatetsky-Shapiro G,Matheus C J. Knowledge Discovery in Databases . 1994

[3]

Pruning and grouping of discovered association rules. Toivonen H,Klemettinen M,Ronkainen,et al. The ECML-95Workshop on Statics,Machine Learning,and Knowledge Discovery in Databases . 1995

[4]

Generating an informative cover for association rules. Cristofor L,Simovici D. The2002IEEE International Conference on Data Mining(ICDM’’02) . 2002

[5] 关联规则的冗余删除与聚类 [J].

韦素云 ;

吉根林 ;

曲维光 .

小型微型计算机系统, 2006, (01) :110-113

[6]

Analyzing the Subjective Interestingness of Association Rules. Bing Liu,,Wynne Hsu,Shu Chen. IEEE Intelligent Systems . 2000

[7]

Post-processing of discovered association rules using ontologies. Claudia Marinica,Fabrice Guillet,Henri Briand. IEEE International Conference on Data Mining Workshops . 2008

[8]

Finding interesting rules from large sets of discovered association rules. Klemettinen M,Mannila H,Ronkainen P,et al. Proceedings of the Third International Conference on Information and Knowledge Management (CIKM’94) . 1994

[9]

UCI repository of machine learning databases. Blake C,Keogh E,Merz CJ. http://www.ics.uci.edu/~mlearn/MLRepository.html . 1998

[10] 基于距离的关联规则相关性分析优化方法 [J].

蒋欣 ;

李伟华 ;

史豪斌 ;

潘炜 .

计算机工程与应用 , 2009, (07) :138-140+149

← 1 2 →