王培培，孟 芸

(河南大学民生学院，河南 开封 475000)

1 引言

伴随数据信息的迅速传播，数据挖掘技术可以使人们在巨大网络空间当中选取自己所需要的信息和知识。数据挖掘是从含有大量数据集合中提取隐藏的重要信息或关键知识，将其转化为另一种简便、易懂的形式。关联规则挖掘是数据挖掘中必不可少的一部分，数据信息之间存在的相关联系得到人们高度重视，具有广泛的应用前景。

自关联规则挖掘问题被提出后，有部分人不断质疑其局限性，为了避免产生冗余虚假规则，引入新的阈值，从而加强对关联规则的评判。

朱益立[1]等人提出了一种有向无环图的挖掘算法，根据候选项集构建二进制表，计算出所构建二进制表支持度，作为有向无环图边权值，运用人工设置阈值判断计算出的边权值是否需要保留，整个构建过程只需扫描一次数据库，不会产生候选项集。具有较好的性能。

乔少杰[2]等人提出了一种正负双支持度的关联规则挖掘算法，在频繁项集发现阶段，引入最大支持度以解决过频繁问题，再运用建立负项频繁模式树进行递归挖掘，引入支持度计数矩阵提高了正负频繁项的发现效率。强关联规则发现阶段，通过设置合适的置信度阈值和采用互信息进行相关性分析判定药物项集的关联关系。最后验证了所提方法较在挖掘的时效性和准确性上有较大提高。

上述两种方法在关联规则挖掘时忽略了数据……