| 文章摘要 | 在基于相联规则的数据挖掘算法中，Apriori等算法最为著名.它分为两个主要步骤：(1)通过多趟扫描数据库求解出频繁项集；(2)利用频繁项集生成规则.随后的许多算法都沿用Apriori中“频繁项集的子集必为频繁项集”的思想，在频繁项集Lk-1上进行JOIN运算构成潜在k项集Ck.由于数据库和Ck的规模较大，需要相当大的计算量才能生成频繁项集.AprioriTid算法给每个事务增加了一个唯一标识Tid，其特点是只扫描一趟数据库，其余趟扫描（如第k趟扫描）均在相应的数据集Ck上进行.由于数据规模改变不大，各算法的效率差别并不明显.该文提出分段计算支持度的思想，是把一个项集的支持度分段计算，每一个段记录该项集在相应规模事务中出现的频度，从而构成一个支持度向量.由于有了项集的多段支持度，可以推测出该项集能否包含在更大规模的频繁项集中，采用这种算法既提高了在扫描数据库过程中的信息获取率，又能及时剔除超集不是频繁项集的项集，进一步缩减了潜在项集的规模.在数据集扫描过程中，按文中定理1的思想调整数据集，达到提高频繁项集生成效率的目的.
关键词 数据挖掘，相联规则，算法，频繁项集，多段支持度
中图法分类号：TP391 |