关联规则挖掘Apriori算法综述_new.docx

文献综述课程名称： 科技写作与文献检索 完成题目： 关联规则挖掘Apriori算法综述 专业班级：姓 名：学 号：完成时间：批阅时间：指导教师：成 绩：关联规则挖掘Apriori算法综述摘要： 关联规则挖掘是数据挖掘研究领域中的一个重要任务,随着大量数据不停的收集和存储,从数据库中挖掘关联规则变得极为重要。关联规则挖掘Apriori算法是关联规则挖掘中的一种经典算法。为此，本文对国内外有关 Apriori 算法的研究现状、算法的原理、优化算法的思想进行了探讨，综述了Apriori算法的主要优化方法,并指出了Apriori算法在实际中的应用领域,提出了未Apriori算法的研究方向和应用发展趋势。关键词：关联规则；数据挖掘；Apriori算法；综述Abstract：The associative rule mining technique is an important technique in data mining research. Apriori algorithm is a classicalalgorithm of associative rules. How to dig out the rules of the associated data set from the database in the IT developmentprocess is important withincreasing of massive data collection and storage. In this paper the principles and optimization idea ofApriori algorithm are discussed and several classical optimization algorithms are analyzed at the same time. Finally the trends offuture development are forecasted.Key words：associative rules；massive data；optimization；developmental trends引言数据挖掘也称数据库中的知识发现,是指从大型数据库或数据仓库中提取人们感兴趣的知识,这些知识是隐含的、事先未知的潜在有用信息,提取的知识一般可表示为概念、规则、规律、模式等形式[1]。大家知道,如今已可以用数据库管理系统来存储数据,还可用机器学习的方法来分析数据和挖掘大量数据背后的知识，而这两者的结合就促成了数据挖掘技术的产生。数据挖掘是一门交叉性的学科,涉及到机器学习、模式识别、归纳推理、统计学、数据库、数据可视化、高性能计算等多个领域。关联规则挖掘是数据挖掘中最活跃的研究方向之一，其本质是要找出隐藏在数据间的相互关系。Agrawal等于1993年设计了一个基本算法—Apriori算法[2]，首先提出了挖掘顾客交易数据库中项集间的关联规则问题，其核心方法是基于频集理论的递推方法。以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行思想等，以提高算法挖掘规则的效率；提出各种变体模型，如泛化的关联规则、周期关联规则等，对关联规则的应用进行推广。关联规则挖掘作为数据挖掘的重要研究内容之一，主要研究事务数据库、关系数据库和其他信息存储设施中的大量数据项之间隐藏的、有趣的规律。关联规则挖掘最初仅限于挖掘事务数据库的布尔型关联规则[3]，近年来广泛应用于关系数据库。因此，积极开展在关系数据库中挖掘关联规则的相关研究具有重要的意义。数据挖掘是一个在数据库领域中占比较重要地位的领域，国内外数据挖掘的发展趋势及其研究方向主要有知识发现方法的研究及其应用。目前大部分有关数据挖掘的研究文章主要集中在数据挖掘的数据总结、分类、聚类、关联规则等方面。关联规则挖掘作为数据挖掘的核心内容之一，近些年来得到了很快的发展，并成为了当今数据挖掘的热点。Apriori 算法概述及研究现状Apriori 算法是一种最有影响力的挖掘布尔关联规则的频繁项集的算法，它是由Rakesh Agrawal和RamakrishnanSkrikant提出的。它使用一种称作逐层有哪些信誉好的足球投注网站的迭代方法，k-项集用于探索（k+1）-项集。首先找出频繁1-项集的集合。该集合记作L1。L1 用于找频繁2- 项集的集合L2，而L2 用于找L2，如此下去，直到不能找到k-项集。每找一个Lk需要一次数据库扫描。为提高频繁项集逐层产生的效率，一种称作Apriori性质的重要性质用于压缩有哪些信誉好的足球投注网站空