信息熵—依赖度框架的关联规则挖掘  

Mining Association Rules Based on Information Entropy-dependence Frame

作　　者：梁宝华[1] 汪世义[1] 陈新河[1] 任春阳[1] 

机构地区：[1]巢湖学院计算机与信息工程学院,安徽巢湖238000

出　　处：《金陵科技学院学报》2013年第1期28-33,共6页Journal of Jinling Institute of Technology

基　　金：安徽省教育厅自然科学研究项目(KJ2013Z231;KJ2012Z266;KJ2012B113);国家级大学生创新创业训练计划项目(201210380008)

摘　　要：在关联规则挖掘中,通常使用的是支持度-置信度框架来挖掘有趣知识。对支持度、置信度阈值进行分析和研究,发现此框架挖掘的关联规则不能够得到有效的强关联规则,导致挖掘效率降低。为此提出一种有效的信息熵-依赖度框架作为关联规则的衡量准则,实验表明此方法更准确、有效。In the process of mining association rules, the framework of support-confidence is usually used to mine the interesting knowledge. This paper analyzes the thresholds of support and confidence, but this can＇t gain any strong association rules and leads to lower efficiency. Therefore a kind of measure standard about association rules based on information entropy-de- pendence is provided. Experiment shows that this method is more accurate and effective.

关 键 词：关联规则 支持度-置信度框架 信息熵-依赖度 有效支持度 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]