基于MDLP-Apriori算法的离散Shannon熵值标签排序

针对传统Apriori算法在标签等级排序中辨识度不高的问题,提出一种基于最小化描述准则(MDLP)Apriori算法的离散Shannon熵值算法。通过在Shannon熵值公式中增加额外参数,并结合自适应MDLP算法,增加Apriori算法对等级排序中分割点的识别能力,从而更加细致地观察标签细微差异;然后,利用改进算法分别在合成数据集和KEBI测试数据集上的仿真实验显示,MDLP-Apriori算法在Kendall系数精度与偏差、分区数量等指标上均要优于对比算法。最后,通过实验给出最小支持度选取标准。