關聯規則技術研究（簡體書）

《關聯規則技術研究》是作者沈斌在關聯規則挖掘領域多年研究成果的系統總結。在相關綜述的基礎上，重點探討了以下幾個方面的工作：提出了一種新的相關性興趣度度量All-itern-confidence，研究了該度量所具有的性質，然後闡述了該度量與All-set-confidence度量之間的關係，以及該度量的適用範圍；針對普通關聯規則在解決前後項集對稱型應用問題上的不足，提出了項項正相關關聯規則挖掘問題；針對普通關聯規則在解決前後項集非對稱型應用問題上的不足，進一步提出了項項且項集正相關關聯規則挖掘問題；對動態關聯規則技術進行了相應的研究，提出了動態關聯規則新定義，進一步闡述了兩種動態關聯規則挖掘新算法；提出了挖掘帶使用信息的動態關聯規則（DAR-C）新問題，給出了DAR-C規則的候選有效時段的表示方法，並對DAR-C規則進行了定義等。本書一方面是數據挖掘相關的科技工作者學習、研究、應用、推廣關聯規則技術的重要參考資料；另一方面也可以作為相關領域研究生、本科生的教材和學習資料。希望本書能夠促進廣大科技工作者對關聯規則的認識、應用和創新。·

沈斌，工學博士，浙江大學寧波理工學院副教授，浙江大學碩士生導師，澳大利亞悉尼科技大學量子計算與智能系統研究中心訪問學者。近年來，主持或參與多項國家和省部級科研項目，發表高水平學術論文20餘篇，出版專著1部，主編科普讀物1部。2011年被列入浙江省“新世紀151人才工程”第三層次培養人員。主要研究方向：數據挖掘、物聯網和智慧城市建設、複雜網絡與複雜系統。·

《關聯規則技術研究》是作者沈斌在關聯規則挖掘領域多年研究成果的系統總結。在相關綜述的基礎上，重點探討了以下幾個方面的工作：提出了一種新的相關性興趣度度量All-itern-confidence，研究了該度量所具有的性質，然後闡述了該度量與All-set-confidence度量之間的關系，以及該度量的適用范圍；針對普通關聯規則在解決前後項集對稱型應用問題上的不足，提出了項項正相關關聯規則挖掘問題；針對普通關聯規則在解決前後項集非對稱型應用問題上的不足，進一步提出了項項且項集正相關關聯規則挖掘問題；對動態關聯規則技術進行了相應的研究，提出了動態關聯規則新定義，進一步闡述了兩種動態關聯規則挖掘新算法；提出了挖掘帶使用信息的動態關聯規則(DAR-C)新問題，給出了DAR-C規則的候選有效時段的表示方法，并對DAR-C規則進行了定義等。
本書一方面是數據挖掘相關的科技工作者學習、研究、應用、推廣關聯規則技術的重要參考資料；另一方面也可以作為相關領域研究生、本科生的教材和學習資料。希望本書能夠促進廣大科技工作者對關聯規則的認識、應用和創新。

第1章 概論1.1 引 言1.2 關聯規則技術基礎知識1.2.1 基本概念1.2.2 挖掘方法1.3 關聯規則技術研究分類1.3.1 頻繁模式、最大頻繁模式和閉合頻繁模式挖掘1.3.2 多種擴展形式的關聯規則挖掘研究1.3.3 關聯規則挖掘後處理1.4 問題的提出第2章 基於相關興趣度的關聯規則挖掘2.1 引 言2.2 一種新的相關興趣度度量2.2.1 已有的關聯和相關興趣度度量2.2.2 All-itern-confidence相關興趣度度量2.2.3 All-itern-confidence與All-set-confidence之間的關係2.2.4 All-item-confidence與卡方檢驗之間的關係2.3 購物籃中關聯規則的應用類型分析2.4 基於All-itern-confidencee的項項正相關關聯規則挖掘2.4.1 項項正相關關聯規則挖掘問題的提出2.4.2 興趣度度量的選取2.4.3 基於All-itern-confidence度量的項項正相關關聯規則挖掘2.5 挖掘算法ItemCoMine_AP和ItemCoMine_CT2.5.1 ItemCoMine_AP算法2.5.2 ItemCoMine_CT算法2.5.3 實驗測評和比較分析2.6 基於All-item-confidence和項集相關性度量的項項且項集正相關關聯規則挖掘2.6.1 項項且項集正相關關聯規則挖掘問題的提出2.6.2 項集相關性度量2.6.3 項項且項集正相關關聯規則定義和舉例2.7 挖掘算法I&ISCoMine_AP和I&ISCoMine_CT2.7.1 I&ISCoMine_AP算法2.7.2 I&ISCoMine_CT算法2.7.3 實驗測評和比較分析2.8 本章小結第3章 動態關聯規則挖掘3.1 引 言3.2 問題描述及其分析3.2.1 動態關聯規則原定義3.2.2 原定義的不足之處3.3 動態關聯規則新定義及其挖掘算法3.3.1 動態關聯規則新定義3.3.2 動態關聯規則挖掘算法3.3.3 性能評測3.4 帶使用信息動態關聯規則挖掘問題的提出3.5 問題定義3.5.1 候選有效時段表示3.5.2 帶使用信息的動態關聯規則3.6 帶使用信息的動態關聯規則挖掘算法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 性能評測3.6.6 應用實例3.7 本章小結第4章 加權模糊層次關聯規則挖掘4.1 引 言4.2 模糊層次型關聯規則4.3 布爾型數據庫中的加權模糊層次型關聯規則挖掘4.3.1 加權的原因4.3.2 葉子結點項權值的確定4.3.3 加權模糊層次型關聯規則（WGF—AR）模型4.4 WGF-AR規則挖掘算法4.4.1 性質4.4.2 W-Apriori算法4.5 性能測評4.5.1 實驗一：算法性能測試4.5.2 實驗二：可伸縮性實驗4.6 本章小結第5章 基於模糊分類結構的交易數據庫關聯規則聚類5.1 引 言5.2 模糊分類結構的合併5.2.1 模糊分類結構描述5.2.2 多個有向無環圖的合併5.2.3 合併後的模糊分類結構描述5.3 帶語義差別信息的模糊分類結構5.4 基於模糊分類結構的距離度量5.4.1 項間距離5.4.2 項集距離5.4.3 關聯規則距離5.5 規則聚類算法的選擇和應用5.6 實驗分析與討論5.6.1 實驗一：規則距離計算實驗5.6.2 實驗二：規則聚類可視化計算5.7 本章小結第6章 使用erot6g6軟件的基於Ontology的關聯規則檢索6.1 引 言6.2 相關概念簡介6.2.1 語義本體6.2.2 語義網6.2.3 關聯規則及其度量6.3 基於Ontology的智能規則檢索系統體系結構6.3.1 體系結構6.3.2 檢索方式6.4 基於語義web的關聯規則檢索核心技術6.4.1 規則檢索Ontology6.4.2 商品項目實例和Rules實例標注6.4.3 查詢解析6.5 本章小結第7章 關聯規則技術進展及趨勢展望7.1 最新技術進展7.1.1 關聯規則隱藏（Association Rules Hiding）7.1.2 比對模式（Contrast Patterns／Emerging Patterns）7.1.3 圖模式（Graph Patterns）7.1.4 可行動關聯規則（Actionable Association Rule）、領域驅動關聯規則7.1.5 關聯規則、模式應用研究7.2 值得關注的方向附錄 關聯規則研究資料匯總參考文獻·