兴趣度在增量的关联规则挖掘中的研究

• 作者: 向哲 杨斌 林国龙
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 关联规则 FUP算法 Apriori算法 兴趣度
• 年，卷（期）: 2009,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 33-36
• 页数: 4页
• 分类号: TP311
• 字数: 3457字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.10.009

摘要

一般的关联规则发现算法使用的都是支持度、置信度框架.但是在增量的数据挖掘过程中,该类算法却需要不断改变支持度、置信度,使得算法本身效率下降,并缺乏可说服性,比如Apriori算法.为了解决该类问题,使用兴趣度框架对增量的数据进行了关联规则挖掘,比较了基于支持度、置信度框架的算法(如Apriori,FUP算法)和基于兴趣度的算法之间的优缺点.试验结果表明:兴趣度能够有效地筛选关联规则,在进行增量的数据挖掘的情况下得到的关联规则总是小于等于支持度、置信度(Aprori)算法挖掘出的规则.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨斌		131	664	12.0	16.0
2	林国龙		120	554	10.0	15.0
3	向哲		10	72	5.0	8.0