[论文解读] A Novel Approach For Discovery Multi Level Fuzzy Association Rule Mining

Pratima Gautam, Kamal Raj Pardasani|arXiv (Cornell University)|Mar 22, 2010

Data Mining Algorithms and Applications参考文献 8被引用 6

一句话总结

本文提出了一种新颖的模糊多级关联规则挖掘方法，结合了模糊集理论、多级分类体系以及可变的最小支持度，以在事务数据库中发现有意义的关联规则。通过使用模糊边界代替清晰区间来应用Apriori性质，该方法采用自顶向下的、逐步深入的策略，高效挖掘大规模项集，有效处理具有不同支持阈值的层次数据。

ABSTRACT

Finding multilevel association rules in transaction databases is most commonly seen in is widely used in data mining. In this paper, we present a model of mining multilevel association rules which satisfies the different minimum support at each level, we have employed fuzzy set concepts, multi-level taxonomy and different minimum supports to find fuzzy multilevel association rules in a given transaction data set. Apriori property is used in model to prune the item sets. The proposed model adopts a topdown progressively deepening approach to derive large itemsets. This approach incorporates fuzzy boundaries instead of sharp boundary intervals. An example is also given to demonstrate and support that the proposed mining algorithm can derive the multiple-level association rules under different supports in a simple and effective manner.

研究动机与目标

• 解决传统多级关联规则挖掘方法中固定最小支持度和清晰边界的局限性。
• 将模糊集概念融入多级分类体系，实现更灵活、更真实的数据显示。
• 实现在层次结构中每一级使用不同最小支持度的关联规则挖掘。
• 通过用模糊边界替代尖锐区间边界，提高规则发现的准确性。
• 开发一种高效、自顶向下的算法，利用Apriori性质对候选项集进行剪枝。

提出的方法

• 所提出的模型采用自顶向下的、逐步深入的方法，在分类体系的多个层级上生成大规模项集。
• 应用模糊集理论定义项集的隶属度，以模糊边界替代传统清晰区间。
• 为层次结构的每一级分配不同的最小支持阈值，以反映数据重要性的差异。
• 利用Apriori性质对候选项集进行剪枝，降低计算开销。
• 通过将项映射到模糊集并评估各级的支持度，处理事务数据。
• 使用示例数据集说明在不同支持约束下，多级模糊关联规则的逐步推导过程。

实验结果

研究问题

• RQ1 当不同层次的最小支持阈值不同时，如何有效挖掘多级关联规则？
• RQ2 模糊集理论能否改善多级关联规则挖掘中项集隶属关系的表示？
• RQ3 使用模糊边界替代清晰区间对规则发现质量有何影响？
• RQ4 Apriori性质如何适应具有可变支持度的模糊多级挖掘？
• RQ5 自顶向下、逐步深入的策略能否高效地在模糊多级环境中发现大规模项集？

主要发现

• 所提出的方法成功在每一级使用不同最小支持度的情况下，发现多级模糊关联规则，提升了规则的相关性。
• 模糊边界相比清晰区间，能实现更灵活、更真实的项集隶属关系表示。
• 可变最小支持度的整合，使系统能更好地处理具有多样化支持需求的层次数据。
• 自顶向下、逐步深入的策略结合Apriori剪枝，有效缩小搜索空间，提升计算效率。
• 案例研究展示了该算法以简洁有效的方式推导出有意义的多级关联规则的能力。
• 该方法在具有层次结构的真实事务数据库中，展现出提升准确性和可解释性的潜力。