[发明专利]数据关联关系挖掘方法、装置、电子设备及存储介质

说明书

本申请提供一种数据关联关系挖掘方法、装置、电子设备及存储介质，涉及数据处理技术领域。该方法包括：获取事务数据库中记录的多个事务，每个事务包括至少一个项；获取需挖掘关联关系的第一项集与第二项集；通过数据库的集合运算获取表征所述第一项集与所述第二项集之间的关联程度的指标数据；根据所述指标数据分析所述第一项集与所述第二项集之间的关联关系。该方案利用数据库本身所具有的集合运算的功能来获取表征两个项集之间的关联程度的指标数据，无需采用额外的资源来维护项集结构，而是可以直接采用数据库的集合运算来获取相关的指标数据，进而挖掘出两个项集之间的关联关系，效率更高。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种数据关联关系挖掘方法、装置、电子设备及存储介质。

背景技术

随着现代网络技术的发展，数据成指数增长，对海量数据进行必要的挖掘和处理，为用户提供有价值的信息，以此指导用户做出相应的技术决策和经营管理显得尤为重要。关联分析通常用来描述数据中强关联特征的模式，即发现隐藏在大型数据集中的因果联系，其应用包括在生物医学领域找出具有相关功能的基因组、在网页挖掘中识别用户一起访问的网页、在地球科学中理解地球气候系统不同元素之间的因果联系、在购物数据中挖掘用户的购物习惯等。

目前进行关联分析的方法有Apriori和FP-Growth，这两种方法均是将事务数据库中的数据遍历，然后在数据结构中维护一个包含所有可能的项的集合，如Apriori生成关于项集的格结构，FP-Growth生成关于项集的树结构。然而这两种方法增加新的数据后无法直接使用原有的数据结构，而是需要重新遍历所有的数据，再生成一个新的项集结构，所以，难以通过并行计算来提供计算效率，故而这种方式效率很低。

发明内容

本申请实施例的目的在于提供一种数据关联关系挖掘方法、装置、电子设备及存储介质，用以改善现有技术中关联规则挖掘效率低的问题。

第一方面，本申请实施例提供了一种数据关联关系挖掘方法，所述方法包括：获取事务数据库中记录的多个事务，每个事务包括至少一个项；获取需挖掘关联关系的第一项集与第二项集，所述第一项集与所述第二项集包括至少一个项；通过数据库的集合运算获取表征所述第一项集与所述第二项集之间的关联程度的指标数据；根据所述指标数据分析所述第一项集与所述第二项集之间的关联关系。

在上述实现过程中，利用数据库本身所具有的集合运算的功能来获取表征两个项集之间的关联程度的指标数据，无需采用额外的资源来维护项集结构，而是可以直接采用数据库的集合运算来获取相关的指标数据，即可通过并行运算获得指标数据，进而挖掘出两个项集之间的关联关系，效率更高。

可选地，所述指标数据包括支持度，所述通过数据库的集合运算获取表征所述第一项集与所述第二项集之间的关联程度的指标数据，包括：

通过数据库的集合运算获取所述第一项集与所述第二项集的并集；

从所述事务数据库中查询获得所述并集在所述多个事务中的出现次数；

基于所述出现次数获取表征所述第一项集与所述第二项集的关联程度的支持度。

在上述实现过程中，通过从数据库中查询并集在多个事务中出现的次数，以及通过集合运算快速获得两个项集之间的并集，从而可快速计算出对应的支持度。

可选地，所述指标数据包括置信度，所述数据库的通过集合运算获取表征所述第一项集与所述第二项集之间的关联程度的指标数据，包括：

通过数据库的集合运算获取所述第一项集与所述第二项集的并集；

从所述事务数据库中查询所述并集在所述多个事务中的出现次数以及所述第一项集在所述多个事务中的出现次数；

基于所述并集在所述多个事务中的出现次数以及所述第一项集在所述多个事务中的出现次数，获取表征所述第一项集与所述第二项集的关联程度的置信度。