正负项目集挖掘：基于频繁模式树的关联规则新方法

"基于频繁模式树的正负项目集挖掘 (2012年) - 赵旭俊 - 太原科技大学学报 - 第33卷第1期 - 关键词：约束;频繁模式树;负项目集;关联规则" 在传统的关联规则挖掘方法中，如基于支持度和置信度的框架，可能会导致大量的不相关甚至误导性的关联规则，且无法区分正关联规则（积极的关系）和负关联规则（反向的关系）。赵旭俊在2012年的论文中，针对这一问题提出了一个新的方法，旨在提高挖掘效率和针对性。 论文采用一阶谓词逻辑作为表示用户感兴趣模式的背景知识技术。通过结合背景知识，赵旭俊设计了一种包含正负项目集的频繁模式树（Frequent Pattern Tree，简称FP-Tree），并提出了一种名为NCFP-Construct的算法，用于构建针对正负项目集的约束频繁模式树。这种方法考虑了用户的兴趣，能够挖掘出更具有针对性的规则。 在传统的关联规则挖掘中，只关注正关联规则，例如“购买鸡蛋的顾客可能也会购买火腿”。然而，负规则如“购买鸡蛋的顾客很可能不会购买鸭蛋”在决策分析等领域同样重要，因为它提供了全面的决策信息。因此，负规则的挖掘逐渐受到重视。 论文引用了国内外的相关研究，如Brin S首次提出的负相关概念，Savasere A等人的负关联规则思想，以及Do Trong的渐进闭模式算法等。这些研究为负规则挖掘奠定了基础，但各自存在局限性，如需要预定义层次分类结构或不适用于大规模现实世界数据。 赵旭俊的贡献在于通过NCFP-Construct算法解决了这些局限性，能够在不预先设定分类结构的情况下，有效地挖掘出正负项目集的关联规则。实验结果证明了这种方法的有效性，它为关联规则挖掘提供了一个新的视角，尤其是在需要全面信息以支持决策的场景中。 这篇论文深入探讨了如何在关联规则挖掘中整合正负项目集，通过引入背景知识和优化的频繁模式树结构，提升了挖掘的效率和实用性。这种方法对于数据挖掘领域，尤其是需要考虑正负关系的决策分析工作，具有重要的理论和实践价值。