基于多数据库的模糊元关联规则挖掘方法

分布式环境下,数据的特征是规模大、分布式存储。采用传统的数据挖掘技术分别对每个数据集进行分析一般都容易实现,但是要对全部数据进行整体决策时就比较困难。为此,提出一种新的挖掘方法,可以从多个数据集中挖掘规则。提出元关联规则生成模型,可以发现在每个独立的数据集中挖掘的规则之间的共同联系。设计清晰元关联规则和模糊元关联规则两种框架,对清晰元关联规则挖掘算法和模糊元关联规则挖掘算法做了对比。结果表明,模糊元关联规则挖掘方法在易用性和精确性方面比清晰方法要好。

微信公众号层次模糊元关联规则聚类预警

为实现对微信公众号快速、高精度的舆情信息监测,提出一种微信公众号主题层次模糊元关联规则聚类预警方法。利用服务本体和AM、MM模型对微信公众号的网络主题模型进行构建,基于每个单独微信分支存储的数据具有的相似结构,进行微信公众号主题知识的元规则二进制融合提取,允许从单个数据库中获得结果/模式,减少规则挖掘过程中所需的时间。在标准测试集和网扒微信公众号主题数据库上的实验对比结果表明,所提算法具有更好的聚类精度和计算效率。

动态关联规则的趋势度挖掘方法

针对规则随着时间变化的特点,在分析原有定义和对支持度向量(SV)和置信度向量分类的基础上,提出了动态关联规则趋势度的挖掘方法。首先,利用趋势度阈值消除无价值的规则,减小候选项集;其次,产生动态关联规则的趋势度元规则,找出具有价值的规则,提高挖掘质量;最后,通过对具有增减和周期趋势的事物数据库分析,证明了所提方法的有效性。