期刊刊名：南台學報 　 卷期：40卷4期

篇名出版日期：2015年12月1日

作者：黃仁鵬

語言：Chinese

關鍵字：正相關項目集,封閉項目集,資料探勘,關聯規則,Positive Correlation Itemsets, Closed Itemsets, Data Mining, Association Rule

被點閱次數：0次

閱讀時間：0sec

摘要：
探勘交易資料庫中項目間的關聯性，有助於組織的決策支援；其中探勘技術的演算法，關係著資料探勘效能及資源有效的利用。在相關的研究中，其所產生的關聯規則最常為人詬病的問題之一，就是過濾的機制不佳，產生過多的規則，致使決策者淹沒在繁多的規則中，因此提出有效的方法精簡關聯規則是本研究的主要方向。本研究所提出的PCP(Positive Correlation and Closed Itemsets by Phase )演算法是以GRA(Gradation Reduction Approaches)演算法為主軸並加入封閉項目集(closed itemset)概念。雖然GRA演算法的階段縮減交易長度機制，已大量減少非高頻型樣的數量，但仍存在著高頻項目集不夠精簡及關聯規則太多等問題，導致使用者不能精準的解讀和利用所產生的關聯規則。本研究利用刪除負相關項目集來縮減每一階段的高頻項目集，所探勘出的高頻項目集數量小但更具代表性，並在每一階段長度產生的高頻項目集中，找出包含前一階段長度的封閉項目集，並刪除被包含的前一階段長度的高頻項目集，最後以高效率探勘出精簡的關聯規則。在現實生活中的資料庫容量通常都是大於記憶體容量，為了解決此問題，本研究也以PCP演算法為主題提出另一修正版PCP-M ( Positive Correlation and Closed Itemsets by Phase-Modified Version)演算法，PCP-M演算法採用資料庫分割方式執行探勘任務，每個子資料庫僅需進行四次實體I/O動作，不隨著高頻項目集的長度增長而增加實體I/O的次數，以避免耗費過多的I/O時間，也可有效提高執行效率與實用性。

　　　　　[全文下載]