论文部分内容阅读
对数据挖掘的关联规则数目进行简化是社会化计算领域的一个非常重的话题,针对出现频率的现有方案对相对大规模的数据集无效的问题,提出一种新的挖掘方法 WTabular算法,该算法给每条规则分配一个权重,移除不重的规则并结合奎因-麦克拉斯基算法来对规则进行简化。实验表明相比传统的代表性算法,如APRIORI算法和频繁模式（FP）增长算法,本文方法有效地提高了支持度、可靠性、规则简化率以及处理时间。