[發明專利]一種高質量模式項集挖掘方法、裝置及數據處理設備

有效

• 申請號: 201610969804.1
• 申請日: 2016-10-28
• 公開（公告）號: CN108009180B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 林浚瑋;甘文生;肖磊;陳偉
• 申請（專利權）人: 哈爾濱工業大學深圳研究生院;騰訊科技（深圳）有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

本發明實施例提供的高質量模式項集挖掘方法包括：確定待處理項集在事務數據庫中的支持度以及所述待處理項集的權重占有度；若所述待處理項集在事物數據庫中的支持度不小于預定的最低支持度閾值與所述事務數據庫中總事務數量的乘積，且所述待處理項集的權重占有度不小于預定的最小權重占有閾值，則確定所述待處理項集為高質量模式項集。本發明實施例可實現數據項相關的高質量模式項集的挖掘，提升高質量模式項集的挖掘結果的精準性。

技術領域

本發明涉及數據處理技術領域，具體涉及一種高質量模式項集挖掘方法、裝置及數據處理設備。

背景技術

事務數據庫是一種可以記錄交易、新聞等事務的數據庫，事務數據庫通常記錄有至少一條事務，每條事務中包括至少一個數據項，而為表征事務數據庫中數據項間的關聯規則，至少一個數據項又會集合形成一個項集；由于交易類型等的事務數據庫能夠反映用戶的偏好，因此在向用戶推薦信息時，往往會從事務數據庫形成的多個項集中挖掘出向用戶推薦的項集；而在挖掘項集的過程中，往往需要考慮效用值較高的項集(簡稱高質量模式項集)。

高質量模式項集是效用值較高的項集，目前在挖掘高質量模式項集時，是通過計算各項集在事務數據庫中的支持度，然后將各項集在事務數據庫中的支持度與設定的最低支持度閾值與事務數據庫的總交易筆數的乘積進行比對，從而將項集在事務數據庫中的支持度大于或等于設定的最低支持度閾值乘以事務數據庫的總交易筆數的乘積的項集，作為高質量模式項集。

本發明的發明人發現：目前在挖掘高質量模式項集時，主要是考慮各項集在事務數據庫中的支持度，這可能導致挖掘出的高質量模式項集中的數據項是不相關的，影響挖掘結果的精準性；如數據項不相關的高質量模式項集在推薦給用戶后，并不利于用戶在交易等事務中的引導，甚至可能出現誤導的情況，影響推薦的精準性；

例如，網頁內容打印推薦，現有的高質量模式項集挖掘方法會推薦支持度最高的項集給用戶，但由于該項集的支持度越高，相應地該項集中的項的個數就越少，進而會導致系統得出的結果和推薦給用戶的信息不全，用戶還需進一步找到缺少的信息，從而造成用戶的體驗度比較差。

因此，如何挖掘出數據項是相關的高質量模式項集，提升挖掘結果的精準性，成為了本領域技術人員需要考慮的問題。

發明內容

有鑒于此，本發明實施例提供一種高質量模式項集挖掘方法、裝置及數據處理設備，以挖掘出數據項相關的高質量模式項集，提升高質量模式項集的挖掘結果的精準性。

為實現上述目的，本發明實施例提供如下技術方案：

一種高質量模式項集挖掘方法，包括：

確定待處理項集在事務數據庫中的支持度；

確定所述待處理項集的權重占有度；

若所述待處理項集在事物數據庫中的支持度不小于預定的最低支持度閾值與所述事務數據庫中總事務數量的乘積，且所述待處理項集的權重占有度不小于預定的最小權重占有閾值，則確定所述待處理項集為高質量模式項集。

一種高質量模式項集挖掘裝置，包括：

第一確定模塊，用于確定待處理項集在事務數據庫中的支持度；

第二確定模塊，用于確定所述待處理項集的權重占有度；

第三確定模塊，用于若所述待處理項集在事物數據庫中的支持度不小于預定的最低支持度閾值與所述事務數據庫中總事務數量的乘積，且所述待處理項集的權重占有度不小于預定的最小權重占有閾值，則確定所述待處理項集為高質量模式項集。

一種數據處理設備，包括任一項所述的高質量模式項集挖掘裝置。