期刊文献+

数据挖掘中关联规则的有趣性研究 被引量:1

The Studing on the Interesting Measures of Mining Association Rules in Data Mining
下载PDF
导出
摘要 关联规则挖掘是数据挖掘研究中的一个重要方面,而其中一个重要问题是对挖掘出的规则的兴趣度的评估。过去的研究发现,在实际应用中往往很容易从数据源中挖掘出大量的规则,但这些规则中的大部分对用户来说是不感兴趣的。本文对规则的兴趣度度量的两个方面作了讨论:一个是主观兴趣度度量,另一个是客观兴趣度度量。最后介绍了如何利用模板进行挖掘有趣的规则。 Mining association rules is an important aspect of the study of data mining,and one of the important problems is the evaluation of interestingness of the discovered rules.Past research has found that in many real-life applications it is easy to generate a large number of rules from databases.But most of them are not useful or interesting to the user.Two aspects ofthe measures ofinterestingness are discussed in this paper.Such measures ofinterestingness are divided into objective measures and subjective measures.At last the paper introduces how to mining interesting rules in databases through templates.
出处 《现代计算机》 2002年第10期10-13,共4页 Modern Computer
关键词 数据挖掘 关联规则 有趣性 数据库 Data Mining Mining Association Rules Interestingness Template
  • 相关文献

参考文献1

二级参考文献2

  • 1Aggarwal C C,Proc of the Int’ l Conf on Data Engineering,1998年,402页
  • 2Han J,Proc of Int’ l Conf Very Large Data Bases,1995年,420页

共引文献90

同被引文献26

  • 1武建虎,贺佳,贺宪民,张智坚,马修强,吴骋.关联规则及其在肝癌病人资料分析中的应用[J].中国卫生统计,2006,23(1):34-38. 被引量:15
  • 2冯尚勇,刘超,刘晓云,段宇,刘翠萍.江苏高淳、楚州地区社区人群甲状腺结节流行特征研究[J].南京医科大学学报(自然科学版),2006,26(8):717-720. 被引量:66
  • 3关鹏,曲波,何苗,黄德生,周宝森.关联规则及其在细菌性痢疾风险预测中的应用[J].现代预防医学,2007,34(11):2007-2008. 被引量:12
  • 4Agarwal RC,Aggarwal C C, Prasad VVV.A tree projection al- gorithm for generation of frequent item sets[J].J Parallel Distrib Comput, 2001,61 (3) : 350-371.
  • 5Han J, Pei J,Yin Y.Mining frequent patterns without can- didate generation [C].ACMSIGMOD Record,2000,29(2): 1-12.
  • 6Sucahyo YG, Gopalan RP.CT-PRO:A bottom-up non recur- sive frequent itemset mining algorithm using compressed FP-tree data structure[C]. FIMI, 2004, (4) : 212-223.
  • 7Lu H,Feng L,Han J.Beyond intratransaction association analysis: mining multidimensional intertransaction associa- tion rules[J].ACM Trans Inf Syst, 2000, 18(4):423-454.
  • 8Becquet C,Blaehon S,Jeudy B,et al.Strong-assoeiation- rule mining for large-scale gene-expression data analysis: a ease study on human SAGE data[J].Genome Biol, 2002,3 (12) : RESEARCH0067.
  • 9Hand DJ,Mannila H,Smyth P.Principles of data mining[M]. Cambridge : MIT Press, 2001.
  • 10Sun C, Fu Y,Zhou J,et al.Personalized privacy-preserving frequent itemset mining using randomized response[J].Sei World J,2014,2014(3) : 1-10.

引证文献1

二级引证文献22

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部