關聯(lián)規(guī)則技術研究

第1章 概論
1.1 引 言
1.2 關聯(lián)規(guī)則技術基礎知識
1.2.1 基本概念
1.2.2 挖掘方法
1.3 關聯(lián)規(guī)則技術研究分類
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 多種擴展形式的關聯(lián)規(guī)則挖掘研究
1.3.3 關聯(lián)規(guī)則挖掘后處理
1.4 問題的提出
第2章 基于相關興趣度的關聯(lián)規(guī)則挖掘
2.1 引 言
2.2 一種新的相關興趣度度量
2.2.1 已有的關聯(lián)和相關興趣度度量
2.2.2 All-itern-confidence相關興趣度度量
2.2.3 All-itern-confidence與All-set-confidence之間的關系
2.2.4 All-item-confidence與卡方檢驗之間的關系
2.3 購物籃中關聯(lián)規(guī)則的應用類型分析
2.4 基于All-itern-confidencee的項項正相關關聯(lián)規(guī)則挖掘
2.4.1 項項正相關關聯(lián)規(guī)則挖掘問題的提出
2.4.2 興趣度度量的選取
2.4.3 基于All-itern-confidence度量的項項正相關關聯(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 實驗測評和比較分析
2.6 基于All-item-confidence和項集相關性度量的項項且項集正相關關聯(lián)規(guī)則挖掘
2.6.1 項項且項集正相關關聯(lián)規(guī)則挖掘問題的提出
2.6.2 項集相關性度量
2.6.3 項項且項集正相關關聯(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 實驗測評和比較分析
2.8 本章小結(jié)
第3章 動態(tài)關聯(lián)規(guī)則挖掘
3.1 引 言
3.2 問題描述及其分析
3.2.1 動態(tài)關聯(lián)規(guī)則原定義
3.2.2 原定義的不足之處
3.3 動態(tài)關聯(lián)規(guī)則新定義及其挖掘算法
3.3.1 動態(tài)關聯(lián)規(guī)則新定義
3.3.2 動態(tài)關聯(lián)規(guī)則挖掘算法
3.3.3 性能評測
3.4 帶使用信息動態(tài)關聯(lián)規(guī)則挖掘問題的提出
3.5 問題定義
3.5.1 候選有效時段表示
3.5.2 帶使用信息的動態(tài)關聯(lián)規(guī)則
3.6 帶使用信息的動態(tài)關聯(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 性能評測
3.6.6 應用實例
3.7 本章小結(jié)
第4章 加權模糊層次關聯(lián)規(guī)則挖掘
4.1 引 言
4.2 模糊層次型關聯(lián)規(guī)則
4.3 布爾型數(shù)據(jù)庫中的加權模糊層次型關聯(lián)規(guī)則挖掘
4.3.1 加權的原因
4.3.2 葉子結(jié)點項權值的確定
4.3.3 加權模糊層次型關聯(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 性能測評
4.5.1 實驗一：算法性能測試
4.5.2 實驗二：可伸縮性實驗
4.6 本章小結(jié)
第5章 基于模糊分類結(jié)構(gòu)的交易數(shù)據(jù)庫關聯(lián)規(guī)則聚類
5.1 引 言
5.2 模糊分類結(jié)構(gòu)的合并
5.2.1 模糊分類結(jié)構(gòu)描述
5.2.2 多個有向無環(huán)圖的合并
5.2.3 合并后的模糊分類結(jié)構(gòu)描述
5.3 帶語義差別信息的模糊分類結(jié)構(gòu)
5.4 基于模糊分類結(jié)構(gòu)的距離度量
5.4.1 項間距離
5.4.2 項集距離
5.4.3 關聯(lián)規(guī)則距離
5.5 規(guī)則聚類算法的選擇和應用
5.6 實驗分析與討論
5.6.1 實驗一：規(guī)則距離計算實驗
5.6.2 實驗二：規(guī)則聚類可視化計算
5.7 本章小結(jié)
第6章 使用erot6g6軟件的基于Ontology的關聯(lián)規(guī)則檢索
6.1 引 言
6.2 相關概念簡介
6.2.1 語義本體
6.2.2 語義網(wǎng)
6.2.3 關聯(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 基于語義web的關聯(lián)規(guī)則檢索核心技術
6.4.1 規(guī)則檢索Ontology
6.4.2 商品項目實例和Rules實例標注
6.4.3 查詢解析
6.5 本章小結(jié)
第7章 關聯(lián)規(guī)則技術進展及趨勢展望
7.1 最新技術進展
7.1.1 關聯(lián)規(guī)則隱藏（Association Rules Hiding）
7.1.2 比對模式（Contrast Patterns／Emerging Patterns）
7.1.3 圖模式（Graph Patterns）
7.1.4 可行動關聯(lián)規(guī)則（Actionable Association Rule）、領域驅(qū)動關聯(lián)規(guī)則
7.1.5 關聯(lián)規(guī)則、模式應用研究
7.2 值得關注的方向
附錄 關聯(lián)規(guī)則研究資料匯總
參考文獻