關(guān)聯(lián)規(guī)則技術(shù)研究

第1章 概論
1.1 引 言
1.2 關(guān)聯(lián)規(guī)則技術(shù)基礎(chǔ)知識(shí)
1.2.1 基本概念
1.2.2 挖掘方法
1.3 關(guān)聯(lián)規(guī)則技術(shù)研究分類(lèi)
1.3.1 頻繁模式、最大頻繁模式和閉合頻繁模式挖掘
1.3.2 多種擴(kuò)展形式的關(guān)聯(lián)規(guī)則挖掘研究
1.3.3 關(guān)聯(lián)規(guī)則挖掘后處理
1.4 問(wèn)題的提出
第2章 基于相關(guān)興趣度的關(guān)聯(lián)規(guī)則挖掘
2.1 引 言
2.2 一種新的相關(guān)興趣度度量
2.2.1 已有的關(guān)聯(lián)和相關(guān)興趣度度量
2.2.2 All-itern-confidence相關(guān)興趣度度量
2.2.3 All-itern-confidence與All-set-confidence之間的關(guān)系
2.2.4 All-item-confidence與卡方檢驗(yàn)之間的關(guān)系
2.3 購(gòu)物籃中關(guān)聯(lián)規(guī)則的應(yīng)用類(lèi)型分析
2.4 基于All-itern-confidencee的項(xiàng)項(xiàng)正相關(guān)關(guān)聯(lián)規(guī)則挖掘
2.4.1 項(xiàng)項(xiàng)正相關(guān)關(guān)聯(lián)規(guī)則挖掘問(wèn)題的提出
2.4.2 興趣度度量的選取
2.4.3 基于All-itern-confidence度量的項(xiàng)項(xiàng)正相關(guān)關(guān)聯(lián)規(guī)則挖掘
2.5 挖掘算法ItemCoMine_AP和ItemCoMine_CT
2.5.1 ItemCoMine_AP算法
2.5.2 ItemCoMine_CT算法
2.5.3 實(shí)驗(yàn)測(cè)評(píng)和比較分析
2.6 基于All-item-confidence和項(xiàng)集相關(guān)性度量的項(xiàng)項(xiàng)且項(xiàng)集正相關(guān)關(guān)聯(lián)規(guī)則挖掘
2.6.1 項(xiàng)項(xiàng)且項(xiàng)集正相關(guān)關(guān)聯(lián)規(guī)則挖掘問(wèn)題的提出
2.6.2 項(xiàng)集相關(guān)性度量
2.6.3 項(xiàng)項(xiàng)且項(xiàng)集正相關(guān)關(guān)聯(lián)規(guī)則定義和舉例
2.7 挖掘算法I&ISCoMine_AP和I&ISCoMine_CT
2.7.1 I&ISCoMine_AP算法
2.7.2 I&ISCoMine_CT算法
2.7.3 實(shí)驗(yàn)測(cè)評(píng)和比較分析
2.8 本章小結(jié)
第3章 動(dòng)態(tài)關(guān)聯(lián)規(guī)則挖掘
3.1 引 言
3.2 問(wèn)題描述及其分析
3.2.1 動(dòng)態(tài)關(guān)聯(lián)規(guī)則原定義
3.2.2 原定義的不足之處
3.3 動(dòng)態(tài)關(guān)聯(lián)規(guī)則新定義及其挖掘算法
3.3.1 動(dòng)態(tài)關(guān)聯(lián)規(guī)則新定義
3.3.2 動(dòng)態(tài)關(guān)聯(lián)規(guī)則挖掘算法
3.3.3 性能評(píng)測(cè)
3.4 帶使用信息動(dòng)態(tài)關(guān)聯(lián)規(guī)則挖掘問(wèn)題的提出
3.5 問(wèn)題定義
3.5.1 候選有效時(shí)段表示
3.5.2 帶使用信息的動(dòng)態(tài)關(guān)聯(lián)規(guī)則
3.6 帶使用信息的動(dòng)態(tài)關(guān)聯(lián)規(guī)則挖掘算法
3.6.1 挖掘框架
3.6.2 ITS2算法
3.6.3 EFP-GrOWth2算法
3.6.4 使用信息生成
3.6.5 性能評(píng)測(cè)
3.6.6 應(yīng)用實(shí)例
3.7 本章小結(jié)
第4章 加權(quán)模糊層次關(guān)聯(lián)規(guī)則挖掘
4.1 引 言
4.2 模糊層次型關(guān)聯(lián)規(guī)則
4.3 布爾型數(shù)據(jù)庫(kù)中的加權(quán)模糊層次型關(guān)聯(lián)規(guī)則挖掘
4.3.1 加權(quán)的原因
4.3.2 葉子結(jié)點(diǎn)項(xiàng)權(quán)值的確定
4.3.3 加權(quán)模糊層次型關(guān)聯(lián)規(guī)則（WGF—AR）模型
4.4 WGF-AR規(guī)則挖掘算法
4.4.1 性質(zhì)
4.4.2 W-Apriori算法
4.5 性能測(cè)評(píng)
4.5.1 實(shí)驗(yàn)一：算法性能測(cè)試
4.5.2 實(shí)驗(yàn)二：可伸縮性實(shí)驗(yàn)
4.6 本章小結(jié)
第5章 基于模糊分類(lèi)結(jié)構(gòu)的交易數(shù)據(jù)庫(kù)關(guān)聯(lián)規(guī)則聚類(lèi)
5.1 引 言
5.2 模糊分類(lèi)結(jié)構(gòu)的合并
5.2.1 模糊分類(lèi)結(jié)構(gòu)描述
5.2.2 多個(gè)有向無(wú)環(huán)圖的合并
5.2.3 合并后的模糊分類(lèi)結(jié)構(gòu)描述
5.3 帶語(yǔ)義差別信息的模糊分類(lèi)結(jié)構(gòu)
5.4 基于模糊分類(lèi)結(jié)構(gòu)的距離度量
5.4.1 項(xiàng)間距離
5.4.2 項(xiàng)集距離
5.4.3 關(guān)聯(lián)規(guī)則距離
5.5 規(guī)則聚類(lèi)算法的選擇和應(yīng)用
5.6 實(shí)驗(yàn)分析與討論
5.6.1 實(shí)驗(yàn)一：規(guī)則距離計(jì)算實(shí)驗(yàn)
5.6.2 實(shí)驗(yàn)二：規(guī)則聚類(lèi)可視化計(jì)算
5.7 本章小結(jié)
第6章 使用erot6g6軟件的基于Ontology的關(guān)聯(lián)規(guī)則檢索
6.1 引 言
6.2 相關(guān)概念簡(jiǎn)介
6.2.1 語(yǔ)義本體
6.2.2 語(yǔ)義網(wǎng)
6.2.3 關(guān)聯(lián)規(guī)則及其度量
6.3 基于Ontology的智能規(guī)則檢索系統(tǒng)體系結(jié)構(gòu)
6.3.1 體系結(jié)構(gòu)
6.3.2 檢索方式
6.4 基于語(yǔ)義web的關(guān)聯(lián)規(guī)則檢索核心技術(shù)
6.4.1 規(guī)則檢索Ontology
6.4.2 商品項(xiàng)目實(shí)例和Rules實(shí)例標(biāo)注
6.4.3 查詢解析
6.5 本章小結(jié)
第7章 關(guān)聯(lián)規(guī)則技術(shù)進(jìn)展及趨勢(shì)展望
7.1 最新技術(shù)進(jìn)展
7.1.1 關(guān)聯(lián)規(guī)則隱藏（Association Rules Hiding）
7.1.2 比對(duì)模式（Contrast Patterns／Emerging Patterns）
7.1.3 圖模式（Graph Patterns）
7.1.4 可行動(dòng)關(guān)聯(lián)規(guī)則（Actionable Association Rule）、領(lǐng)域驅(qū)動(dòng)關(guān)聯(lián)規(guī)則
7.1.5 關(guān)聯(lián)規(guī)則、模式應(yīng)用研究
7.2 值得關(guān)注的方向
附錄 關(guān)聯(lián)規(guī)則研究資料匯總
參考文獻(xiàn)