[发明专利]关联性规则挖掘方法、装置及存储介质

权利要求书

1.一种关联性规则挖掘方法，用于获得跨类别的关联性规则，其特征在于，包括：

给定关联性规则的最大长度、关联性规则的最小出现频次和包含n个样本的观测数据对观测数据生成初始关联性规则词典并从所述初始关联性规则词典中删除长度大于1的来自同一类别的关联性规则，得到初筛关联性规则词典

执行最大期望算法估计初筛关联性规则词典中所有关联性规则的真实概率值θ，

计算每一关联性规则的得分函数ψ(α)，并从初筛关联性规则词典中移除得分函数小于阈值τ_S的所有关联性规则，返回执行最大期望算法，循环执行直至初筛关联性规则词典中每一关联性规则的得分函数ψ(α)不小于阈值τ_S，获得跨类别的关联性规则词典。

2.根据权利要求1所述的关联性规则挖掘方法，其特征在于，采用Apriori算法对观测数据生成初始关联性规则词典

3.根据权利要求1所述的关联性规则挖掘方法，其特征在于，关联性规则的长度是指关联性规则的元素数量。

4.根据权利要求1所述的关联性规则挖掘方法，其特征在于，所述最大期望算法包含E步和M步，对于初筛关联性规则词典用公式1求解最大期望算法的E步：

再用公式2求解EM算法的M步，得到估计量θ^(r+1)：

θ^(r+1)＝argmax Q(θ|θ^(r))， (2)

其中

θ表示中所有关联性规则的真实概率值；

θ^(r)表示算法迭代至第r步所有关联性规则的概率估计值；

Ω_i表示第i个观测数据O_i对应的关联性规则的分解集合；

S是Ω_i中的任意一个分解，

所述分解是根据观测数据O_i，由初筛关联性规则词典构造的关联性规则集合，分解中的元素种类总和等于观测数据O_i中的元素种类总和，其中，如果O_i中元素数量没有缺失，则每个分解中元素出现次数仅为1，如果O_i中元素数量有缺失，则每个分解的元素出现次数大于等于1。

5.根据权利要求4所述的关联性规则挖掘方法，其特征在于，通过设置分解组来使得分解集合的结构紧凑，所述分解组是指，若分解S的子集S^*满足对任意关联性规则α∈S^*，不存在关联性规则β∈S^*，使得且S和S^*包含的元素种类相同，则称S^*为分解S的覆盖分解，定义为所有与S^*包含的元素种类相同的分解S构成的集合称为分解组，令表示第i个观测数据O_i对应的关联性规则的分解组集合，从而将最大期望算法从Ω_i空间转换到空间来计算，即：

6.根据权利要求5所述的关联性规则挖掘方法，其特征在于，所述计算每一关联性规则的得分函数ψ(α)，包括：

对每一关联性规则用公式3计算得分函数ψ(α)：

其中表示移除关联性规则α后的概率集合，ψ(α)表示保留关联性规则α与移除关联性规则α后的对数似然比统计量。