属性区别度视角下的关联规则挖掘优化

"这篇论文提出了一种新的方法，即基于属性区别度（ DISP）的概念格来优化关联规则的挖掘过程。这种方法旨在解决在构建概念格时忽视属性重要性导致的冗余问题，通过去除低区别度的内涵，加快概念格的构造，并减少对数据库的扫描次数，以提高挖掘关联规则的效率。" 论文详细介绍了当前关联规则挖掘的一个常见问题，即在构造概念格时通常假设所有属性同等重要，这可能导致不必要的冗余和效率低下。为了解决这个问题，作者提出了属性区别度（DISP，即内涵区别度）的概念。属性区别度用于衡量属性在区分不同对象方面的有效性，它考虑了属性对数据集划分的重要性。 在基于属性区别度的概念格构建过程中，该方法首先计算每个属性的区别度，然后剔除那些区别度较低的内涵，这样可以简化概念格结构，减少不必要元素，从而加速整个构建过程。此外，论文还提出了一种策略，即有条件地计算和重置DISP，而不是每次都需要扫描整个数据库来计算项集或内涵的支持度。这一策略减少了对数据库的访问次数，显著降低了挖掘关联规则的时间成本。 关联规则挖掘是数据挖掘中的一个重要任务，它用于发现数据集中项集之间的有趣关系。通过应用基于属性区别度的概念格，该方法能够更有效地找出具有高支持度和高兴趣度的关联规则，同时避免了因处理冗余信息而带来的计算开销。 论文作者包括王培培、沈夏炯、王倩和周博，他们分别来自河南大学的数据与知识工程研究所和计算机与信息工程学院。这篇研究工作得到了国家“863”计划项目的资助，表明其在学术和技术上的重要性。 关键词涵盖了属性区别度、概念格、关联规则以及DISP等核心概念，这些关键词反映了论文的研究重点和方法论。中图分类号和文献标志码是学术文献的标准标识，用于分类和检索。文章的doi号码则提供了在线查找和引用该论文的唯一标识。 这篇论文为关联规则挖掘提供了一个新的优化视角，通过引入属性区别度的概念，提高了挖掘效率，减少了计算复杂性，对于数据挖掘领域的理论研究和实际应用都具有重要的参考价值。