一种面向海量事务数据库的关联规则分析方法

摘要

本发明针对经典Apriori算法的固有缺陷，提出了一种面向海量事务数据库的关联规则分析方法，包括在连接、剪枝的基础上，添加了预判的步骤，使用先验概率对候选频繁K项集集合C_K进行缩减优化，并且引入阻尼因子Δ₁和补偿因子Δ₂对使用先验概率产生的误差进行修正，若候选K项集集合C_K中成员c_i的先验概率P(c_i)>(1+Δ₁)min_support，则将该成员直接添加到频繁k‑项集L_K中；若P(c_i)<(1‑Δ₂)min_support，则该成员从候选项集C_K中删除；否则，将该成员继续保留在候选K项集集合C_K中。该算法对候选频繁K项集集合的成员数量进行了压缩，简化了挖掘频繁项集以及规则的操作过程，实验证明该算法能够有效减少扫描数据库的次数，降低算法运算的时间，提高算法的运算效率。