[发明专利]一种应用于事务数据库的skyline模式挖掘方法

说明书

本发明公开了一种应用于事务数据库的skyline模式挖掘方法，属于数据挖掘领域，包括如下步骤：步骤1、对于事务数据库，用户根据自己的需要预先设置最小频率阈值和最小效用阈值；步骤2、采用SFUTPMiner算法获得带有阈值的潜在skyline频率效用模式PSFUTP；步骤3、采用判断算法对获得的带有阈值的潜在skyline频率效用模式PSFUTP进行判断，并将判断结果返回作为最终确认的真实带有阈值的skyline频率效用模式SFUTP。本发明可以大幅度减少被搜索的空间，获取满足用户需求的最终结果集，且保持较高的搜索效率。

技术领域

本发明属于数据挖掘领域，具体涉及一种应用于事务数据库的skyline模式挖掘方法。

背景技术

数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程，并能够从原始数据中提取新的、有效的、相关的知识。FIM是频繁项集挖掘的简称，在数据挖掘领域有着较为广泛的研究，并且在实际应用领域也具有非常坚实的实际意义。FIM可以获取数据集中出现次数满足用户需求的频繁的变量，从数据中提取到这些变量可以为所需的决策提供支持。FIM可应用于购物网站订单、网页流量、电影院票房数据分析等各个领域。然而，研究发现在许多应用场所仅仅考虑频率是不够的。例如在购物数据分析中，一个大型商场每日所销售的手机的频率是明显低于商城中所销售的面包的频率的，但前者的单位利润却远高于后者，所以在数据挖掘中仅考虑频率就显得不够全面。因此高效用项集挖掘(HUIM)逐渐成为人们研究的重点。HUIM的目的就是发现具有比用户定义最小效用阈值高的项集数据。

频繁项集挖掘能够寻找到频率大于最小阈值的项集，高效用项集挖掘可以寻找到效用大于最小阈值的项集。但两者都只能在单一维度进行寻找。但在某些应用场所中，只关注单一的某个方面往往是不够的，无法满足用户的使用需求。例如，一个购房者在买房前需要同时考虑房子与市中心距离以及房子的价格。对于楼房而言，距离市中心近的房子往往价格较贵，而价格便宜的房子距离市中心又往往较远。所以在此时做出决策时就需要同时考虑至少两个因素。skyline可以被看作一组特殊的点，这些点都具有以下特点，即它们每一个点在多个维度上不会被全部支配。因为它只返回非支配点作为决策的解，所以它在大型数据库中的表现就显得十分的重要。

在舍弃设置阈值的条件下，skyline挖掘也随之产生了许多弊端，即需要搜索的项集空间非常大，候选项较多。所以在挖掘skyline项集的性能与时间也消耗较大。并且在大量数据集中最后获取的skyline项集结果也存在不足。会出现许多极端点，例如频率极高但效用极小或者效用极高但频率极低，显然这样的结果是用户所不希望看到的。比如买房者在购房的时候，购房者所需要的是一个较为合适价格并且距离也较为合适的房子，并不需要在大量候选中去搜索房价极低但距离极远的房子，或者距离极近但价格极高的房子。若有此需求，倒不如应用单维度的FIM或者HUIM算法更加便捷。对于大多数用户来说，所需要的结果集应当是居于skyline线中段的那一部分。

发明内容

为了解决上述问题，本发明提出了一种应用于事务数据库的skyline模式挖掘方法，在skyline挖掘中增设阈值，通过最小效用阈值和最小频率阈值作为skyline挖掘的下限，以此大幅度减少被搜索的空间，获取满足用户需求的最终结果集；同时，设计了数组，提高搜索效率。/

本发明的技术方案如下：

一种应用于事务数据库的skyline模式挖掘方法，包括如下步骤：

步骤1、对于事务数据库，用户根据自己的需要预先设置最小频率阈值/和最小效用阈值/；

步骤2、采用SFUTPMiner算法获得PSFUTP，PSFUTP表示带有阈值的潜在skyline频率效用模式；SFUTPMiner算法为带有阈值的skyline频率效用模式挖掘算法，通过设置阈值并且利用数组进行快速过滤并实现对skyline频率效用模式的初步挖掘；

步骤3、采用判断算法对获得的PSFUTP进行判断，并将判断结果返回作为最终确认的真实SFUTP，SFUTP表示带有阈值的skyline频率效用模式。