一种基于相关兴趣度的关联规则挖掘方法

摘要

本发明公开了一种基于相关兴趣度的关联规则挖掘方法，该方法首先从事务数据库TID中得到1‑频繁项集，产生更高阶的候选频繁模式；接着对候选的频繁模式进行支持度阈值判断去掉非频繁项目集，然后由关联兴趣度量All‑confidence过滤掉可疑交叉支持模式，由相关兴趣度量Related‑confidence消除包含负相关的可疑关联规则，将满足上述条件的模式加入Ck候选集作为下一迭代的基础，并产生候选的前后项集的关联规则；最后通过项目集相关性度量Q(R)，过滤掉前、后项目集是负相关的虚假关联规则，返回较为可靠的关联规则集GSk。本发明确实有效的促使后项集X‑A的发生，确实有效的消除了可疑模式和前后项集负相关的关联规则，不仅有很好的剪枝效果而且提高了关联规则的质量，具有较强的实用价值。