关联规则的有趣性研究
在分析了原有的支持度--可信度框架不足的基础上，本文介绍了一种新的兴趣度度量:完全可信度、联结度，同时证明了完全可信度和联结度具有的一些性质，然后在划分算法的基础上，提出并实现了基于完全可信度/联结度的频繁集挖掘算法。应用在人工数据集和事实数据集上的性能分析说明利用完全可信度、联结度可以有效地发现频繁集(尽管结果有差别)，实验结果和证明得到的性质一致，利用联结度和完全可信度，可以发现支持度和可信度较小的可能有趣模式.
关联规则 兴趣度度量 完全可信度 联结度 频繁集 数据挖掘
方艳 别荣芳
北京师范大学信息科学学院,北京,100875
国内会议
厦门
中文
350-352,359
2004-10-14（万方平台首次上网日期，不代表论文的发表时间）