基于兴趣度度量的正负关联规则挖掘方法研究

来源：计算机技术与发展杂志2018年第05期北京时间：

作者：马彦勤;武彤;邓烜堃

摘要：传统的 Apriori 算法通过支持度阈值和置信度阈值的筛选来挖掘强关联规则，所挖掘出来的强关联规则并不都是有趣的，也忽略了负关联规则的挖掘，失去了负关联规则在决策分析中的重要作用。为了过滤强关联规则中的无趣规则，挖掘有趣的正负关联规则，引入了兴趣度的概念，对现有的几种兴趣度度量进行了研究，利用兴趣度度量的相关性质，提出了一种新的兴趣度度量。根据支持度、置信度、兴趣度的相关性质提出了相关定理并进行证明，用以挖掘有趣的正负关联规则。在新的兴趣度度量的基础上进行了算法设计，并采用真实数据集进行算法验证。结果显示，以提出的兴趣度度量为基础进行正负关联规则的挖掘是可行的，其结果比经典的 Apriori 算法挖掘方法更实用更有效。

关键词：支持度;置信度;兴趣度度量;正负关联规则;数据挖掘