[發(fā)明專利]有趣項(xiàng)集獲取方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201410078745.X
• 申請(qǐng)日: 2014-03-05
• 公開(kāi)（公告）號(hào): CN104899408A
• 公開(kāi)（公告）日: 2015-09-09
• 發(fā)明（設(shè)計(jì)）人: 祝世偉;李雪峰;王天梅;張巍;涂艷
• 申請(qǐng)（專利權(quán)）人: 孫寶文;祝世偉
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 江崇玉

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)挖掘領(lǐng)域，特別涉及一種有趣項(xiàng)集獲取方法和裝置。

背景技術(shù)

關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘技術(shù)中研究的熱點(diǎn)之一。通過(guò)對(duì)大型事務(wù)集進(jìn)行關(guān)聯(lián)規(guī)則挖掘，可以挖掘出隱藏在該大型事務(wù)集中不同項(xiàng)之間的關(guān)聯(lián)規(guī)則，這些關(guān)聯(lián)規(guī)則可以應(yīng)用于電子商務(wù)推薦、購(gòu)物籃分析等多種領(lǐng)域。

關(guān)聯(lián)規(guī)則挖掘算法中一般使用“支持度-置信度”框架，挖掘出支持度不小于支持度閾值的候選項(xiàng)集，再基于這些候選項(xiàng)集，挖掘出置信度不小于置信度閾值的關(guān)聯(lián)規(guī)則。但是，這種方法容易產(chǎn)生沒(méi)有實(shí)際應(yīng)用價(jià)值的“干擾性”的關(guān)聯(lián)規(guī)則，具有一定的局限性。例如，對(duì)于“茶”和“咖啡”兩個(gè)項(xiàng)來(lái)說(shuō)，通過(guò)對(duì)事務(wù)集進(jìn)行挖掘后，得到關(guān)聯(lián)規(guī)則“不買茶，則不買咖啡”，該否定式的關(guān)聯(lián)規(guī)則沒(méi)有實(shí)際應(yīng)用價(jià)值。

為了彌補(bǔ)“支持度-置信度”框架的不足，引入了興趣度，以修剪具有“干擾性”的關(guān)聯(lián)規(guī)則。該興趣度用于在挖掘出關(guān)聯(lián)規(guī)則之后，對(duì)關(guān)聯(lián)規(guī)則進(jìn)行評(píng)價(jià)和過(guò)濾。但是，對(duì)于被過(guò)濾掉的項(xiàng)集來(lái)說(shuō)，在挖掘關(guān)聯(lián)規(guī)則的過(guò)程中仍然需要計(jì)算該項(xiàng)集的支持度和置信度，增加了冗余的計(jì)算量，極大地降低了效率。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的問(wèn)題，本發(fā)明實(shí)施例提供了一種有趣項(xiàng)集獲取方法和裝置。所述技術(shù)方案如下：

第一方面，提供了一種有趣項(xiàng)集獲取方法，所述方法包括：

掃描待分析的事務(wù)集，得到所述事務(wù)集中的每個(gè)項(xiàng)目，并計(jì)算每個(gè)項(xiàng)目的支持度，所述事務(wù)集包括多個(gè)事務(wù)，每個(gè)事務(wù)包括至少一個(gè)項(xiàng)目；

基于每個(gè)項(xiàng)目的支持度，得到多個(gè)候選項(xiàng)集；

對(duì)于每個(gè)候選項(xiàng)集，計(jì)算所述候選項(xiàng)集的支持度和余弦相似度；

判斷所述候選項(xiàng)集的余弦相似度是否大于第一預(yù)設(shè)閾值，并判斷所述候選項(xiàng)集的支持度是否大于第二預(yù)設(shè)閾值；

當(dāng)所述候選項(xiàng)集的余弦相似度大于所述第一預(yù)設(shè)閾值，且所述候選項(xiàng)集的支持度大于所述第二預(yù)設(shè)閾值時(shí)，將所述候選項(xiàng)集作為有趣項(xiàng)集。

第二方面，提供了一種有趣項(xiàng)集獲取裝置，所述裝置包括：

掃描模塊，用于掃描待分析的事務(wù)集，得到所述事務(wù)集中的每個(gè)項(xiàng)目，并計(jì)算每個(gè)項(xiàng)目的支持度，所述事務(wù)集包括多個(gè)事務(wù)，每個(gè)事務(wù)包括至少一個(gè)項(xiàng)目；

候選項(xiàng)集獲取模塊，用于基于每個(gè)項(xiàng)目的支持度，得到多個(gè)候選項(xiàng)集；

計(jì)算模塊，用于對(duì)于每個(gè)候選項(xiàng)集，計(jì)算所述候選項(xiàng)集的支持度和余弦相似度；

判斷模塊，用于判斷所述候選項(xiàng)集的余弦相似度是否大于第一預(yù)設(shè)閾值，并判斷所述候選項(xiàng)集的支持度是否大于第二預(yù)設(shè)閾值；

有趣項(xiàng)集獲取模塊，用于當(dāng)所述候選項(xiàng)集的余弦相似度大于所述第一預(yù)設(shè)閾值，且所述候選項(xiàng)集的支持度大于所述第二預(yù)設(shè)閾值時(shí)，將所述候選項(xiàng)集作為有趣項(xiàng)集。

本發(fā)明實(shí)施例提供的技術(shù)方案帶來(lái)的有益效果是：

本發(fā)明實(shí)施例提供的方法和裝置，通過(guò)定義項(xiàng)集的余弦相似度，在獲取有趣項(xiàng)集的過(guò)程中，計(jì)算候選項(xiàng)集的支持度和余弦相似度，通過(guò)判斷該候選項(xiàng)集的余弦相似度是否大于第一預(yù)設(shè)閾值，并判斷該候選項(xiàng)集的支持度是否大于第二預(yù)設(shè)閾值，對(duì)候選項(xiàng)集進(jìn)行過(guò)濾。與使用“支持度-置信度”框架挖掘出關(guān)聯(lián)規(guī)則再使用興趣度進(jìn)行過(guò)濾相比，應(yīng)用余弦相似度這一客觀興趣度和支持度，能夠在挖掘有趣項(xiàng)集的同時(shí)，對(duì)候選項(xiàng)集進(jìn)行評(píng)價(jià)和過(guò)濾，以修剪“干擾性”的候選項(xiàng)集，無(wú)需計(jì)算出所有候選項(xiàng)集的支持度和置信度后再進(jìn)行過(guò)濾，降低了計(jì)算量，提高了挖掘效率。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例提供的一種有趣項(xiàng)集獲取方法的流程圖；

圖2是本發(fā)明實(shí)施例提供的一種有趣項(xiàng)集獲取方法的流程圖；

圖3是本發(fā)明實(shí)施例提供的項(xiàng)集枚舉樹(shù)形圖；

圖4是本發(fā)明實(shí)施例提供的一種有趣項(xiàng)集獲取裝置結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

圖1是本發(fā)明實(shí)施例提供的一種有趣項(xiàng)集獲取方法的流程圖，參見(jiàn)圖1，所述方法包括：