关联规则技术研究

　　第1章 概论
　　1.1 引 言
　　1.2 关联规则技术基础知识
　　1.2.1 基本概念
　　1.2.2 挖掘方法
　　1.3 关联规则技术研究分类
　　1.3.1 频繁模式、最大频繁模式和闭合频繁模式挖掘
　　1.3.2 多种扩展形式的关联规则挖掘研究
　　1.3.3 关联规则挖掘后处理
　　1.4 问题的提出
　　第2章 基于相关兴趣度的关联规则挖掘
　　2.1 引 言
　　2.2 一种新的相关兴趣度度量
　　2.2.1 已有的关联和相关兴趣度度量
　　2.2.2 All-itern-confidence相关兴趣度度量
　　2.2.3 All-itern-confidence与All-set-confidence之间的关系
　　2.2.4 All-item-confidence与卡方检验之间的关系
　　2.3 购物篮中关联规则的应用类型分析
　　2.4 基于All-itern-confidencee的项项正相关关联规则挖掘
　　2.4.1 项项正相关关联规则挖掘问题的提出
　　2.4.2 兴趣度度量的选取
　　2.4.3 基于All-itern-confidence度量的项项正相关关联规则挖掘
　　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 实验测评和比较分析
　　2.6 基于All-item-confidence和项集相关性度量的项项且项集正相关关联规则挖掘
　　2.6.1 项项且项集正相关关联规则挖掘问题的提出
　　2.6.2 项集相关性度量
　　2.6.3 项项且项集正相关关联规则定义和举例
　　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 实验测评和比较分析
　　2.8 本章小结
　　第3章 动态关联规则挖掘
　　3.1 引 言
　　3.2 问题描述及其分析
　　3.2.1 动态关联规则原定义
　　3.2.2 原定义的不足之处
　　3.3 动态关联规则新定义及其挖掘算法
　　3.3.1 动态关联规则新定义
　　3.3.2 动态关联规则挖掘算法
　　3.3.3 性能评测
　　3.4 带使用信息动态关联规则挖掘问题的提出
　　3.5 问题定义
　　3.5.1 候选有效时段表示
　　3.5.2 带使用信息的动态关联规则
　　3.6 带使用信息的动态关联规则挖掘算法
　　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 性能评测
　　3.6.6 应用实例
　　3.7 本章小结
　　第4章 加权模糊层次关联规则挖掘
　　4.1 引 言
　　4.2 模糊层次型关联规则
　　4.3 布尔型数据库中的加权模糊层次型关联规则挖掘
　　4.3.1 加权的原因
　　4.3.2 叶子结点项权值的确定
　　4.3.3 加权模糊层次型关联规则（WGF—AR）模型
　　4.4 WGF-AR规则挖掘算法
　　4.4.1 性质
　　4.4.2 W-Apriori算法
　　4.5 性能测评
　　4.5.1 实验一：算法性能测试
　　4.5.2 实验二：可伸缩性实验
　　4.6 本章小结
　　第5章 基于模糊分类结构的交易数据库关联规则聚类
　　5.1 引 言
　　5.2 模糊分类结构的合并
　　5.2.1 模糊分类结构描述
　　5.2.2 多个有向无环图的合并
　　5.2.3 合并后的模糊分类结构描述
　　5.3 带语义差别信息的模糊分类结构
　　5.4 基于模糊分类结构的距离度量
　　5.4.1 项间距离
　　5.4.2 项集距离
　　5.4.3 关联规则距离
　　5.5 规则聚类算法的选择和应用
　　5.6 实验分析与讨论
　　5.6.1 实验一：规则距离计算实验
　　5.6.2 实验二：规则聚类可视化计算
　　5.7 本章小结
　　第6章 使用erot6g6软件的基于Ontology的关联规则检索
　　6.1 引 言
　　6.2 相关概念简介
　　6.2.1 语义本体
　　6.2.2 语义网
　　6.2.3 关联规则及其度量
　　6.3 基于Ontology的智能规则检索系统体系结构
　　6.3.1 体系结构
　　6.3.2 检索方式
　　6.4 基于语义web的关联规则检索核心技术
　　6.4.1 规则检索Ontology
　　6.4.2 商品项目实例和Rules实例标注
　　6.4.3 查询解析
　　6.5 本章小结
　　第7章 关联规则技术进展及趋势展望
　　7.1 最新技术进展
　　7.1.1 关联规则隐藏（Association Rules Hiding）
　　7.1.2 比对模式（Contrast Patterns／Emerging Patterns）
　　7.1.3 图模式（Graph Patterns）
　　7.1.4 可行动关联规则（Actionable Association Rule）、领域驱动关联规则
　　7.1.5 关联规则、模式应用研究
　　7.2 值得关注的方向
　　附录 关联规则研究资料汇总
　　参考文献

　　    沈斌，工学博士，浙江大学宁波理工学院副教授，浙江大学硕士生导师，澳大利亚悉尼科技大学量子计算与智能系统研究中心访问学者。近年来，主持或参与多项国家和省部级科研项目，发表高水平学术论文20余篇，出版专著1部，主编科普读物1部。2011年被列入浙江省“新世纪151人才工程”第三层次培养人员。主要研究方向：数据挖掘、物联网和智慧城市建设、复杂网络与复杂系统。

　　    《关联规则技术研究》是作者沈斌在关联规则挖掘领域多年研究成果的系统总结。在相关综述的基础上，重点探讨了以下几个方面的工作：提出了一种新的相关性兴趣度度量All-itern-confidence，研究了该度量所具有的性质，然后阐述了该度量与All-set-confidence度量之间的关系，以及该度量的适用范围；针对普通关联规则在解决前后项集对称型应用问题上的不足，提出了项项正相关关联规则挖掘问题；针对普通关联规则在解决前后项集非对称型应用问题上的不足，进一步提出了项项且项集正相关关联规则挖掘问题；对动态关联规则技术进行了相应的研究，提出了动态关联规则新定义，进一步阐述了两种动态关联规则挖掘新算法；提出了挖掘带使用信息的动态关联规则（DAR-C）新问题，给出了DAR-C规则的候选有效时段的表示方法，并对DAR-C规则进行了定义等。
　　    本书一方面是数据挖掘相关的科技工作者学习、研究、应用、推广关联规则技术的重要参考资料；另一方面也可以作为相关领域研究生、本科生的教材和学习资料。希望本书能够促进广大科技工作者对关联规则的认识、应用和创新。