汪际和

【摘 要】在挖掘关联规则的过程中，人们往往不仅关心项集出现的频率而且关心项集的重要性，为此，本文应用权重来综合考虑项集的频率和重要性，在构建概念格的过程中应用加权的值来更新概念和相应的边。

【关键词】概念格；频繁项集；建格算法

0 引言

概念格是由德国的数学家Wille.R于1982年提出的一种基于序理论的数据分析工具，由于它的特殊结构等一些特点，在知识发现，信息检索等方面得到广泛应用。关联规则的关键步骤是找出符合最小支持度条件的频繁项集，体现于概念格中则表现为找出满足条件的内涵集之间的关联性。而频繁项集和概念格中的节点存在一种对应关系，所以，寻找频繁项集的过程可以看作是根据最小支持度构建概念格的过程。

如何构造和简化概念格，一直是形式概念分析中的重要内容，为了更好地构建概念格，许多学者进行了大量研究并取得了比较丰硕的成果[3-6]。

3 结论

本算法综合考虑了项集在事务数据库中出现的频率（即支持度）和重要性（即用权值表示），根据用户对频率和重要性的关心程度来设置权重？琢。当然，在该算法中，由于加权频繁项集的超集不一定频繁，所以就不能对候选项集剪枝。另外，对于不同的项集可以动态地设置权重等。对它们的研究将是下一步的工作。

【参考文献】

[1]Jiawei Han，Micheline Kamber.范明，孟小峰，译.数据挖掘概念与技术（第二版）[M].北京：机械工业出版社，2008.

[2]Bernhard Ganter.Rudolf Wille.马垣，等，译.形式概念分析[M].北京：科学出版社，2007.

3]简宋全，胡学钢，蒋美华.扩展概念格的渐进式构造[J].计算机工程与应用，2001，37（15）：132-134.

[4]王德兴，胡学钢，王浩.基于量化概念格的关联规则挖掘[J].合肥工业大学学报，2002，25（5）：678-682.

[5]张继福，张素兰，郑链.加权概念格及其渐进式构造[J].模式识别与人工智能，2005（2）：171-176.

[6]翟悦，郭文书，王立娟.利用扩展概念格进行关联分类的算法[J].辽宁工程技术大学学报（自然科学版），2015，34（11）：1280-1284.

[责任编辑：王楠]