两阶段高期望权重项集下闭合类Apriori挖掘算法

针对不确定数据集中,高期望权值容易产生较大计算冗余的问题,提出一种两阶段高期望权重项集下闭合类Apriori挖掘算法。针对传统层次挖掘算法只采用项集上界,对高期望权值进行处理效果并不理想的问题,设计补充层次挖掘算法的下闭合特性,给出证明过程,该特性在保证精度前提下可有效降低候选项集处理量;构建两阶段数据挖掘过程,第一阶段,基于分层搜索方法获得一组候选项集的高期望权重项集,第二阶段,再次扫描数据库获得项集高期望权值,完成数据挖掘过程。在标准数据集上的仿真对比结果表明,该算法在保证算法精度的前提下,能够大幅提高算法计算效率。

序列模式算法研究——类Apriori方法

基于关联规则的Apriori算法 ,对序列模式挖掘的规则类Apriori算法的思想对性能进行了研究 。

基于Apriori聚类算法的快递服务衍生项目关联分析

借助Apriori聚类算法,分析快递企业客户的投递需求结构,发现客户订购项目与衍生服务项目的内在联系,以渔业客户订购的快递服务项目为例,说明了Apriori算法的应用过程,旨在探索提高快递企业服务衍生项目推荐成功率的有效方法。

基于Apriori的序列模式挖掘算法的研究

近年来很多学者针对搜索技术提出了效率较高,符合用户需求的序列模式挖掘算法。序列模式挖掘技术具有广泛的实际应用价值,它可以在具有序列特征的数据上进行挖掘,找到满足用户需求的潜在模式,商业用户通过分析这些模式进行策略或者结构上的改进措施,以达到他们不同的目的,如提高服务质量或者提高个性化服务等。

Web挖掘中基于GITC算法发现用户频繁访问模式

用户频繁访问模式的发现是Web日志挖掘的重要研究内容。提出了一种先求两两用户访问模式的交集结果再生成候选频繁访问模式,然后扫描数据库,统计各个候选频繁访问模式的支持度计数的GITC算法。经过理论分析和实验验证,该算法能有效地发现用户频繁访问模式。

电子商务站点中的频繁查找路径挖掘技术

W eb上用户行为的挖掘是W eb日志挖掘的重要内容,挖掘到的查找路径能够提供决策支持。分析频繁项集挖掘和路径挖掘的不同之处,提出了类Apriori算法,使之适用于路径挖掘,然后在VC++中针对预处理过的日志数据进行实验分析,获得了一些可信度高的关联页面,这些页面关联信息将有助于改进商业站点结构,提高站点的访问率。

基于Web本体挖掘的语义目录研究

针对现有Web资源访问模式缺乏针对性、信息冗余、缺乏语义等缺点,提出一种区别于传统Web结构的新的目录概念——语义目录,对目录的生成方法提出了解决方案。利用类Apriori算法对用户日志进行挖掘得到频繁页面规则集。本体Agent对规则集进行提取,得到的本体元和用户模式分别存储于本体知识库和频繁路径序列模式树(FRSP-tree)中,并且在FRSP-tree树结点中加入指向本体元的指针,使遍历FRSP-tree树生存的目录具有语义性和针对性。

基于关联规则的Web日志数据分析系统

本文旨在研究基于Web环境下利用关联规则对Web日志挖掘的数据分析系统。把关联规则的概念引入到web日志挖掘中，将用户的访问路径以关联规则的形式表现出来，其目的在于从用户访问超文本系统的行为中发现用户的访问模式。然后在砷riori挖掘算法思想的基础上，对其改造，给出了适合挖掘用户访问频繁路径的类Apriori算法。最后设计开发了一个Web日志数据分析系统。此系统主要包含三个功能模块：数据预处理模块。

序列模式挖掘在旅游行程分析中的应用研究

行程能否获得潜在旅游者的接受,是其业务能否成功展开的关键一步。本文介绍了Apriori算法,并在实践中对该算法做了改进,用改进后的类Apriori算法对旅游行程进行分析和优化。应用结果表明,该系统极大地提高了旅游行程的合理性,降低了旅游成本,提升了旅游服务质量。

带时间约束的序列模式挖掘

随着大数据时代的到来,能够高效地应用序列模式挖掘的各种方法,准确地发现数据中具有先后顺序的规律,并提高其实用性,将是未来研究工作的重心。因此,为了增加用户参与度,挖掘其中更符合用户需求的序列模式,本文介绍了序列模式挖掘算法中可以添加的约束,以及其中的通用时间约束。

改进的序列模式挖掘在医院转诊中的应用

为了研究患者在不同医院间的转诊行为模式,可以使用序列模式挖掘算法.类Apriori算法是序列模式挖掘中的常用算法,但该算法存在一些不足之处,如产生候选序列的数目较多、需要频繁扫描数据库.针对类Apriori算法存在的不足,本文提出了相应的改进措施,采用新的剪枝策略并减少不必要的数据库扫描操作.实验证明,改进后的算法能更高效地挖掘频繁转诊序列.

Web挖掘中基于交集算法发现用户频繁访问模式

文章提出了一种基于交集关系原理的算法叫做交集算法,它与类Apriori算法本质上互补。这种算法的最大优势是不需要产生大量的候选频繁访问模式,就可以直接生成最大频繁访问模式,因此在挖掘过程中也就不需要反复扫描原始数据库来计算各个候选频繁访问模式的支持度计数;经理论分析和试验证明,交集算法具有一定的理论意义和应用价值。

Web日志数据分析系统的研究与实现

笔者分析了web日志数据分析系统的成因,解释了Web日志挖掘技术,提出了Web日志数据分析模型的设计思想,同时阐述了分析系统中各功能模块的作用。