龙源期刊网 https://www.doczj.com/doc/922991644.html,
浅谈数据挖掘中的关联分析
作者：闫昱洁，宋宇辰
来源：《科技经济市场》2015年第02期
摘 ;要：本文的主要内容包括：关联规则挖掘概念、国内外研究现状及对关联规则算法的研究，归纳了关联规则挖掘在诸多领域的应用。最后结合当前的研究成果，指出关联规则及数据挖掘的发展前景。
关键词：大数据;数据挖掘;关联规则挖掘
1 ;关联规则的产生背景
关联规则挖掘是数据挖掘研究中最活跃、也是研究最深入的领域之一，具有十分重要的
理论和实际价值。通过关联规则挖掘可以从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识[2]。Agrawal等人于1993年提出了挖掘顾客交易数据库中项集间的关联规则问题，并于1994年提出了基于频繁项集的Apriori算法，大多数挖掘算法都是建立在Apriori算法基础之上，但是Apriori算法无论在时间效率还是空间伸缩性上都面临着挑战，因此研究人员探索出很多新的
挖掘算法，并拓展了关联规则概念和应用范围[3]。关联规则挖掘技术被应用到信用卡交易、
电子商务和保险业务等商业领域。近年来，人们把它拓展应用到基因分析、文本挖掘等研究方向，体现出巨大的发展潜力和应用前景[4]。
2 ;国内外关于关联规则算法的研究
国内学者对关联规则挖掘算法的研究：左万利等（2000）给出了任意多表间关联规则的
并行挖掘算法;朱绍文等（2001）提出了一种多概念层数值关联规则挖掘方法;黄传明等（2003）提出了一种基于散列技术和事务压缩的关联规则挖掘算法;哀红春（2004）提出元规则指导下的逐步求精多层空间关联规则挖掘算法;蔡伟贤（2011）提出了改进的Apriori-TFP算法在入侵检测中的应用;高海洋等（2013）提出了一种基于数据压缩的Apriori算法;宛婉（2013）提出了基于并行抽样的海量数据关联挖掘算法等。
3 ;关联规则挖掘的应用
作为数据挖掘中的热点之一关联规则挖掘始于商业上对市场购物篮进行分析的问题，但
是它的应用却不止于此，其应用领域还包括：商业与金融、人工普查数据分析、工程技术数据分析、医疗保健、宏观决策支持、电子商务、网站设计、保险业、交通事故分析、通信和互联网等不同领域。以下是具体应用：
（1）银行、金融数据分析方面