张 彤

西安财经学院长安校区

关联规则Apriori挖掘算法的优化研究

张 彤

西安财经学院长安校区

21世纪是海量数据的数字化时代，人们也开始习惯利用数据来分析、处理和解决问题，且数据挖掘算法日益被广泛应用。其中，数据挖掘的研究中，各个领域活动跨度最积极的就是关联规则Apriori挖掘算法。文章针对其两大瓶颈之一展开研究，即研究可能形成数量较多的候选项集。在探索优化方法的同时，根据频繁项集的性质，在原有算法基础上得到一个候选项目集数量最小化的Apriori优化算法，最后再进行实证的应用。

关联规则 频繁项集 Apriori算法 运算效率 优化

一、绪论

自上世纪80年代以来，大型数据库的普及和应用随着科学信息技术的飞速发展应运而生，各行业、各单位甚至各国都累积了以一定的形式存储的一定规模或海量的数据信息。面对数据分析的需求，“数据挖掘”应运而生，而主要的是关联规则挖掘算法。关联规则挖掘方法一开始的研究动机是由购物篮分析问题提出的，其最早是由Agrawal等人在1993年提出。次年，他们建立了项目集格空间理论，提出了著名的Apriori算法。随着应用的深入研究，该算法存在两个比较严重的问题：扫描事务数据库的次数频现、可能形成数量较多的候选项集。

针对Apriori算法会产生大量候选项集的问题，Park等人（1995）提出了一种依据散列技术产生频繁项集的算法。但其中产生候选项集所花费的时间和精力是无法度量的。所以才提出了一种基于划分的方法。……