大数据分析中的关联规则挖掘研究

数据挖掘技术中基于关联规则算法的研究

摘要 数据挖掘的主要目的在于能够从大型的数据库中挖掘出对用户有价值的信息，以便为决策者地决策提供有用的数据依据本文对数据挖掘技术的概念和内容做出了描述，同时也对基于关联规则的数据挖掘技术进行比较全面的概括和分析，并提出解决相应问题的基于关联规则挖掘算法。

关键词 数据挖掘；关联规则；算法

中图分类号tp392 文献标识码a 文章编号 1674-6708（2011）45-0223-03

1 概述

1.1课题的研究背景

现代计算机科学技术发展的历史，同时也是数据和信息加工手段不断更新和改善的历史。随着计算机硬件和软件不断的发展，尤其是数据库技术与应用的广泛推广，摆在人们面前的问题出现了，这些急剧膨胀的信息数据，如何有效利用这一丰富数据海洋的宝藏为人类服务，也已成为广大信息技术工作者所重点关注的焦点之一。

传统的收集数据技术可以在一定程度上对收集来的数据信息进行统计分析，能够获得一定的数据价值，这种传统的收集数据技术具有一定的效果，但当这种方法在面对海量的数据并从中进行数据分析时，却没有一个比较好的解决方案。无论是数据的统计、数据

的查询、数据的报表等这些传统的数据处理方式都是对收集来的数据简单的进行处理，而不能对这些数据内部所隐含的价值信息进行有效的提取和分析。在这些大量数据的背后隐藏了很多具有决策意义的信息，如何得到这些能够为我们提供决策依据的数据依据已经成为当前的一个热点的研究方向。

1.2研究目的和意义

数据挖掘技术是面向应用型的。目前，在很多重要的领域，数据挖掘都可以发挥积极促进的作用，尤其是在如保险、交通、零售、银行、电信等商业应用领域。数据挖掘能够帮助用户解决许多典型的商业性的问题，其中包括：数据库营销、客户群体划分、背景分析、交叉销售等市场分析行为，以及客户流失性分析、客户信用评分、欺诈发现等等。

Ｉ＿））》一　研发　…………………………一　

关联规则算法在药品不良反应中的　

数据挖掘研究　

广东工业大学ＣＩＭＳ中心　陈俊玲陈冠全陈文戈　广东省药品不良反应监测中心　张业象邓剑雄　

【摘要】首先，利用某药品不良反应监测系统采集的广东省ＡＤＲ数据来构建ＡＤＲ数据仓库。然后，使用Ａｐｒｉｏｒｉ算法，得到年龄段、性别、影响系统、ＡＤＲ结果与　头孢曲松钠ＡＤＲ的相关性。最后，分析结果表明头孢曲松钠ＡＤＲ－￣患者性别、年龄、影响系统及年龄、性别与ＡＤＲ结果等因素之间的相关性显著，为进一步分析　ＡＤＲ的发生规律提供有效的参考和借鉴。　【关键词】数据挖掘；药品不良反应；关联规则；Ａｐｒｉｏｒｉ算法　

药品能治病但也可能有有害的　反应，我们常常把这类有害的反应　

叫药品不良反应（Ａｄｖｅｒｓｅ　Ｄｒｕｇ　

ＲｅａｃｔｉＯｎ，ＡＤＲ）。国际上给药品不　

良反应下的定义为：药品不良反应是　指药品在预防、诊断、治病或调节生　

理功能的正常用法用量下，出现的有　害的和意料之外的反应。它不包括无　

意或故意超剂量用药引起的反应以及　

用药不当引起的反应。随着医药卫生　科技的不断进步，制药与医疗器械工　

业也得到迅猛发展，大量化学药品及　

高新技术产品不断涌现，使人们在疾　

病的预防、治疗、诊断及康复方面受　益很大。但同时，药品的广泛、大量　

使用，所引起的药品安全事件数目也　

呈急剧上升趋势，药品安全性日益受　

到国内外药物研究领域的重视，药品　不良反应（ＡＤＲ）已成为全世界共同　

关注的话题。　

ＡＤＲ数据挖掘研究是从白发呈报　

ＡＤＲ报告的系统数据中，运用数据挖　

掘技术，及时、快速、准确地挖掘药　品ＡＤＲ发生规则和信号，以应用于实　

际ＡＤＲ监测工作，从而最大限度的减　

少药品对人类的危害。本文通过收集　

广东省内上报到广东省药品不良反应　网络管理平台的ＡＤＲ报告，利用数据　

挖掘技术，对日益增长的ＡＤＲ数据进　

行分析，最终得ＮＡＤＲ与患者性别、　

年龄、药品属性之间的相关性，为研　究ＡＤＲ的发生规律提供参考。　

关联规则挖掘综述

关联规则挖掘是数据挖掘中的一种重要技术，它可以通过分析数据集中的项之间的关系，发现其中的规律和模式。在实际应用中，关联规则挖掘可以帮助企业和组织发现消费者的购买习惯、市场趋势、产品组合等信息，从而更好地制定营销策略和提高销售额。

关联规则挖掘的基本思想是通过计算支持度和置信度来确定项之间的关联程度。支持度指的是在数据集中同时出现两个或多个项的频率，而置信度则是指在出现一个项的情况下，另一个项出现的概率。通过设定支持度和置信度的阈值，可以筛选出具有一定关联程度的项集，从而发现其中的规律和模式。

关联规则挖掘的算法主要包括Apriori算法、FP-Growth算法和Eclat算法等。其中，Apriori算法是最早被提出的关联规则挖掘算法之一，它通过逐层扫描数据集来生成频繁项集。FP-Growth算法则是一种基于树结构的算法，它通过构建FP树来快速发现频繁项集。Eclat算法则是一种基于垂直数据格式的算法，它通过交换和合并项集来发现频繁项集。

除了基本的关联规则挖掘算法外，还有一些扩展算法和改进算法。例如，基于时间序列的关联规则挖掘算法可以用于分析时间序列数据中的项之间的关系；基于多层次关联规则挖掘算法可以用于分析多个层次之间的关系；基于模糊关联规则挖掘算法可以用于处理数据集中存在模糊关系的情况。

关联规则挖掘在实际应用中有着广泛的应用。例如，在零售业中，可以通过关联规则挖掘来发现消费者的购买习惯和偏好，从而制定更加精准的营销策略；在医疗领域中，可以通过关联规则挖掘来发现疾病之间的关联性，从而更好地预防和治疗疾病；在金融领域中，可以通过关联规则挖掘来发现不同金融产品之间的关系，从而更好地进行风险控制和资产配置。

总之，关联规则挖掘是一种重要的数据挖掘技术，它可以帮助企业和组织发现数据集中的规律和模式，从而更好地制定营销策略和提高业务效率。随着数据量的不断增加和数据挖掘技术的不断发展，关联规则挖掘将在更多的领域中得到广泛的应用。

第１４卷第５期　２００６年１０月　电脑与信息技术　ＣＯＭＰＵＴＥＲ　ＡＮＤ　ＩＮＦＯＲＭＡＴＩＯＮ　ＴＥＣＨＮ０Ｌ０ＣＹ　Ｖｏ１．１４　Ｎｏ．５　ｏｃｔ．２ｏｏ６　文章编号：１００５—１２２８（２００６）０５—００６３—０４　

网格数据挖掘中关联规则挖掘方案的研究　

李治１，２，马光志　（１．华中科技大学计算机学院，湖北武汉４３００７４；２．湖南城市学院计算机系，湖南益阳４１３０００）　摘要：文章对网格数据挖掘中的关联规则挖掘问题进行了探讨，给出了两种实现方案，一是　采用局部一局部的通信模式，各个站点的通信负载比较均衡；二是采用局部一全局的通信模　式，减少了各局部站点的通信负荷，实现了各局部站点的完全异步，但对全局站点的性能要　求较高。　关键词：网格；数据挖掘；关联规则；体系结构　中图分类号：，ＩＰ３１１．１３１　文献标识码：Ａ　Ｓｔｕｄｙ　ｏｆ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅｓ　ｍｉｎｇ　ｉｎ　ｄａｔａ　ｍｉｎｉｎｇ　ｏｎ　ｇｒｉｄ　ＬＩ　ＺｈｉＩ，２．ＭＡ　Ｇｕａｎｇ—ｚｈｉ　（１．Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｈｕａｚｈｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ，Ｈｕｂｅｉ　４３００７４，Ｃｈｉｎａ；２．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ，　Ｈｕｎａｎ　Ｃｉｔｙ　Ｕｎｉｖｅｒｓｉｔｙ，Ｙｉｙａｎｇ　４１３０００，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｍｉｎｉｎｇ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅｓ　ｉｎ　ｇＩｉｄ　ｄａｔａ　ｍｉｎｉｎｇ　ｉｓ　ｄｉｓｃｕｓｓｅｄ　ａｎｄ　ｔｗｏ　ｓｏｌｕｔｉｏｎｓ　ａｒｅ　ｐｒｅｓｅｎｔｅｄ．Ｏｎｅ　ｕｓｅｓ　ｔｈｅ　ｃｏｍｍｕｎｉｃａｔｉｏｎ　ｍｏｄｅ　ｏｆ　ｌｏｃａｌ—ｌｏｃａｌ　ｔｏ　ｂａｌａｎｃｅ　ｔｈｅ　ｂｕｒｄｅｎ　ｏｆ　ｃｏｍｍｕｎｉｃａｔｉｏｎ　ａｍｏｎｇ　ｌｏｃａｌ　Ｗｅｂ　ｓｉｔｅｓ．Ｔｈｅ　ｏｔｈｅｒ　ｕｓｅｓ　ｔｈｅ　ｍｏｄｅ　ｏｆ　ｌｏｃａｌ－ｇｌｏｂａｌ　ｔｏ　ｒｅｄｕｃｅ　ｔｈｅ　ｃｏｓｔ　ｏｆ　ｃｏｍｍｕｎｉｃａｔｉｏｎ　ａｍｏｎｇ　ｌｏｃａｌ　Ｗｅｂ　ｓｉｔｅｓ，ｉｔ　ｒｅａｌｉｚｅｓ　ｔｈｅ　ｔｏｔａｌｌｙ　ａｓｙｎｃｈｒｏｎｙ　ａｍｏｎｇ　ｌｏｃａｌ　Ｗｅｂ　ｓｉｔｅｓ　ｂｕｔ　ｈａｓ　ａ　ｈｉ　ｇｈ　ｑｕａｌｉｆｉｃａｔｉｏｎ　ｏｆ　ｔｈｅ　ｇｌｏｂａｌ　Ｗｅｂ　ｓｉｔｅ．　Ｋｅｙ　ｗｏｒｄｓ：　ｄ；ｄａｔａ　ｍｉｎｉｎｇ；ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅｓ；ａｒｃｈｉｔｅｃｔｕｒｅ　Ｏ　引言　自１９９３年关联规则的概念由Ａｇｒａｗａｌ，　Ｉｍｉｅｌｉｎｓｋｉ和Ｓｗａｍｉ提出之后，关联规则挖掘的研　究一直是数据挖掘领域的热门课题。数据挖掘算　法继经典的Ａｐｆｉｏｆｉ算法、抽样算法、ＤＩＣ算法之　后，又出现了许多改进的算法，并且已有许多相应　的产品问世。但是在网格环境下进行关联规则的　挖掘是数据挖掘领域的一个新课题，相关的研究　成果不多，相应的产品也较少。网格是构筑在Ｉｎ－　ｔｅｒｎｅｔ上的一组新兴技术和基础设施，其目标是在　动态变化的、广域分布的异构组织问实现协同资　源共享，多领域的科学和工程的问题求解。建立在　数据网格基础上的数据挖掘结合网格计算的思想　及其技术的优点，能够对广域分布的海量数据进　行高效的处理、分析和挖掘。　１网格数据挖掘　１．１　网格数据挖掘的概念和体系结构　网格的数据挖掘建立在数据网格的基础设施　和相关技术基础上，在广域分布的海量数据和计　算资源的环境中发现数据模式，获取新的科学知　识和规律。这个网格计算环境提供特殊的数据管　理、数据存储、数据复制和安全监控等功能。　网格的数据挖掘系统采用分布式的组件架构　和自适应的分布技术，由一系列的组件集成，组件　收稿日期：２１Ｘ）６－０３－２７　作者简介：李治（１９７７一）。男，湖南益阳人。硕士，讲师，主要研究方向为效据挖掘及效据库技术；马光志（１９６４－）。男。湖北钟祥人，副　教授。研究方向为效据挖掘与知识工程。