[发明专利]一种基于关联规则的数据挖掘方法及装置

说明书

本发明公开一种基于关联规则的数据挖掘方法及装置，包括：从待挖掘数据中选取目标因素；所述待挖掘数据中除所述目标因素以外的数据为非目标因素；采用预设的关联规则确定所述非目标因素之间的关联关系，获取非目标因素第一频繁集；将所述非目标因素第一频繁集中的每一个频繁项与所述目标因素建立关联关系，获取目标因素候选集；按照预设的第一频繁度筛选阈值对所述目标因素候选集进行频繁度筛选，获取目标因素频繁集。本发明提供的技术方案，能够挖掘出一个因素通过另一个因素影响目标因素的关联关系，从而有效地获取数据之间更深层次的关联关系。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于关联规则的数据挖掘方法及装置。

背景技术

基于关联规则进行数据挖掘能够发现大量数据的属性之间可能存在的相关联系。该技术目前主要应用于移动电信、电子商务等电子通信领域，用于对用户的购物行为、信用评分等进行分析。

在医学领域中，同样需要对医学数据进行挖掘，以发现和评估各类医学指标与目标内容之间的关联性。例如，对病人的就诊资料进行挖掘，就可以分析临床病症与药之间的关系、临床病症与药复方之间的关系、临床病症与化学成分之间的关系等。现有的数据挖掘方法只能确定数据中各项因素两两之间的关系，例如，确定各项非目标因素对目标因素的影响。然而在医学领域，仅对上述数据关系进行挖掘与分析是不够的，我们需要知道各项因素之间的潜在关系，即某项因素是否能间接地影响目标因素。因此，需要提出一种新的方法，以发现数据之间更深层次的关联关系。

发明内容

本发明旨在提供一种基于关联规则的数据挖掘方法及装置，能够挖掘出一个因素通过另一个因素影响目标因素的关联关系，从而有效地获取数据之间更深层次的关联关系。

为达到上述目的，本发明采用的技术方案如下：

一种基于关联规则的数据挖掘方法，包括：从待挖掘数据中选取目标因素；所述待挖掘数据中除所述目标因素以外的数据为非目标因素；采用预设的关联规则确定所述非目标因素之间的关联关系，获取非目标因素第一频繁集；将所述非目标因素第一频繁集中的每一个频繁项与所述目标因素建立关联关系，获取目标因素候选集；按照预设的第一频繁度筛选阈值对所述目标因素候选集进行频繁度筛选，获取目标因素频繁集。

优选地，所述采用预设的关联规则确定所述非目标因素之间的关联关系包括：从所述非目标因素中选取满足预设支持度要求的数据项，获取频繁项集；将所述频繁项集中的每一个数据项两两之间建立关系，形成非目标因素候选集；按照预设的第二频繁度筛选阈值对所述非目标因素候选集进行频繁度筛选，获取所述非目标因素第一频繁集。

进一步地，还包括：根据数据项顺序等价原则，对所述非目标因素第一频繁集进行去重处理，获取非目标因素第二频繁集；将所述非目标因素第二频繁集中的每一个频繁项与所述目标因素建立关联关系，获取目标因素候选集。

进一步地，在所述从待挖掘数据中选取目标因素之前，还包括：加载原始数据；对所述原始数据进行预处理，获取所述待挖掘数据。

优选地，所述原始数据采用CSV格式存储；所述加载原始数据包括：以文本格式读取所述原始数据，并对所述原始数据进行行分离，获取所述原始数据中每一个数据项的属性。

优选地，所述对所述原始数据进行预处理包括：根据所述原始数据中每一个数据项的属性，确定需要进行数据转换的数据项；将所述需要进行数据转换的数据项按照预设转换阈值进行转换；存储所述预设转换阈值。

进一步地，所述将所述需要进行数据转换的数据项按照预设转换阈值进行转换之前，还包括：

判断是否存在常用转换阈值；若存在所述常用转换阈值，将所述需要进行数据转换的数据项按照所述常用转换阈值进行转换。