关联规则挖掘在市场监管工作中的应用

doi:10.3969/j.issn.1006-2475.2014.10.010

计算机与现代化

关联规则挖掘在市场监管工作中的应用

无锡市工商行政管理局信息中心,江苏无锡214023

收稿日期:2014-09-11 出版日期:2014-11-03 发布日期:2014-11-05
作者简介:羊斌(1983-),男,浙江磐安人,无锡市工商行政管理局信息中心工程师，硕士,研究方向:数据挖掘,信息系统建设。

Application of Association Rule Mining in Market Supervision and Management

Information Center, Administration for Industry and Commerce of Wuxi, Wuxi 214023, China

Received:2014-09-11 Online:2014-11-03 Published:2014-11-05

摘要/Abstract

摘要： 关联规则是为了挖掘出隐藏在数据中的相互关系,找出所有能把一组事件或数据项与另一组事件或数据项联系起来的规则，从而辅助决策者进行决策。结合市场监督管理部门监管数据的实际情况，抽取市场主体部分基本信息和监管部门录入的违规、违法数据生成违规违法事务数据库，再将事务数据库转换为布尔矩阵，采用基于向量内积的关联规则挖掘方法生成频繁项集，进行关联规则挖掘。实验结果表明，该方法能够快速、准确地挖掘出相应的关联规则，符合市场监管部门日常工作的实际情况，对实际工作具有一定的指导意义。


关键词: 数据挖掘, 关联规则, 市场监管

Abstract: Association rule mining is to dig out hidden relationships in data, it can find out all the relationship of a set of events or data items with another set of events or data items, which assist policymaker to make decisions. Combining with market supervision and management department’s situation, this paper generated transaction database from the basic market information, violations and illegal entry data of market entities, converted this transaction database to a Boolean matrix, and then generated frequent item sets and association rules by the method based on vector inner product. The result shows that it can find out association rules from the transaction database correctly and meet to the actual situation of market supervision and management department.

Key words: data mining, association rule, market supervision and management

中图分类号:

TP399

羊斌. 关联规则挖掘在市场监管工作中的应用[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2014.10.010.

YANG Bin. Application of Association Rule Mining in Market Supervision and Management[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2014.10.010.

参考文献

［1］陈志泊. 数据仓库与数据挖掘［M］. 北京:清华大学出版社, 2009:89-106.
［2］王玉荣. 关联规则挖掘算法在大数据集上的应用研究［D］. 无锡:江南大学, 2011.
［3］ Han Jiawei, Kamber M, Pei Jian. Data Mining Concepts and Techniques［M］. Beijing: Higher Education Press, 2001.
［4］ Ng R T, Han Jiawei. CLARANS: A method for clustering objects for special data mining［J］. IEEE Transactions on Knowledge and Data Engineering, 2002,14(5):1003-1016.
［5］ Wang Wei, Yang Jiong, Richrd R M. STING: A statistical information grid approach to spatial data mining［C］// Proceedings of 23rd International Conference on Very Large Data Bases. 1997:186-195.
［6］宋威,李晋宏,徐章艳,等. 一种新的频繁项集精简表示方法及其挖掘算法的研究［J］. 计算机研究与发展, 2010,47(2):277-285.
［7］晏杰,亓文娟,郭磊,等. 基于多最小支持度的关联规则挖掘［J］. 计算机系统应用， 2014,23(3),237-239.
［8］ Shi Yue-mei, Hu Guo-hua. A sampling algorithm for mining association rules in distributed database［C］// Proceedings of 2009 the First International Workshop on Database Technology and Applications. 2009:431-434.
［9］ Palancar J H, Hdez R, Pagola J M, Hechavarria, et al. A compressed vertical binary algorithm for mining frequent patterns［J］. Studies in Computational Intelligence, 2008,118:197-211.
［10］邹丽,郭发军,王艳娟. 分布式关联规则挖掘算法研究［J］. 科学技术与工程, 2007,7(8):1759-1761.
［11］张诤,王惠文. 一种高效的并行频繁集挖掘算法［J］. 计算机工程, 2008,34(11):55-57.
［12］陈涛,张玮. 一个改进的并行关联规则算法研究［J］. 计算机技术与发展, 2007,17(1):139-141.
［13］〖JP2〗毛宇星,陈彤兵,施伯乐. 一种高效的多层和概化关联规则挖掘方法［J］. 软件学报, 2011,22(12):2965-2980.
［14］孟军,王蓬,张静,等. 基于项集依赖的最小关联规则挖掘［J］. 计算机科学, 2013,40(1):183-186.
［15］崔贤岳,李际军. 数据挖掘技术在税务系统中的应用［J］. 计算机工程, 2007,33(14):283-285.
［16］刘以安,羊斌. 关联规则挖掘中对Apriori算法的一种改进研究［J］. 计算机应用, 2007,27(2):418-420.
［17］〖JP2〗施惠娟,孙蕾,李由. 关联规则下数据挖掘可视化技术的探讨与实现［J］. 计算机与现代化, 2010(2):166-169.
［18］〖JP2〗刘华婷,郭仁祥,姜浩. 关联规则挖掘Apriori算法的研究与改进［J］. 计算机应用与软件, 2009,26(1):146-149.

[1]	谢仕斌, 刘梦赤, 唐诗琪, 周瑞平, . 基于多特征提取的时间卷积知识追踪模型[J]. 计算机与现代化, 2023, 0(07): 25-29.
[2]	钟松影. 基于关联规则Apriori算法的纺织原料成本预警[J]. 计算机与现代化, 2023, 0(07): 43-43.
[3]	刘佩. 基于数据挖掘的医保控费系统[J]. 计算机与现代化, 2023, 0(06): 89-94.
[4]	王劭华, 欧阳会丹, 孙丹, 王康, 吴鸿萍, 钟询, 褚兴平, 杨松涛. 基于Apriori算法的大学生体测项目关联规则挖掘[J]. 计算机与现代化, 2023, 0(03): 66-70.
[5]	宋晓丽, 张勇波, 张培颖. 基于半监督学习的学生消费数据异常检测[J]. 计算机与现代化, 2022, 0(12): 13-17.
[6]	段桂芹, 邹臣嵩. 基于近邻传播聚类的职业能力评价模型[J]. 计算机与现代化, 2022, 0(05): 21-27.
[7]	杨琳, 白钊, 寇勇刚. 基于RFM模型的随机森林算法对民航客户的流失分析[J]. 计算机与现代化, 2021, 0(01): 100-104.
[8]	郭欣, 陈瑛, 章鸣嬛, 张璇, 潘曙明, 汤璐佳. 利用机器学习方法对灾难生命支持课程NDLS培训效果进行分析预测#br#[J]. 计算机与现代化, 2020, 0(12): 61-66.
[9]	冯云霞, 韩正亮, 薛蓉蓉, 宋波. 心血管疾病并发症与虚弱症关联模式研究[J]. 计算机与现代化, 2020, 0(07): 85-89.
[10]	于海洋. 快速挖掘最大频繁项集算法在图书馆管理中的应用[J]. 计算机与现代化, 2020, 0(06): 68-.
[11]	李科心, 李静, 邵佳炜, 肖屹. 多层次序列集成的高维数值型异常检测[J]. 计算机与现代化, 2020, 0(06): 73-.
[12]	罗有志1,2，陈征明2，陈明2，梅文涛2. 一种基于自适应关联熵的关键字提取算法[J]. 计算机与现代化, 2020, 0(04): 67-.
[13]	蒋毅,欧郁强,梁广,高杨,严永高,林捷,赵晓宁. 基于数据挖掘的现场作业风险态势评估方法[J]. 计算机与现代化, 2020, 0(04): 78-.
[14]	王云，李丛. 基于改进关联规则算法的警情数据分析[J]. 计算机与现代化, 2019, 0(12): 1-.
[15]	齐玉东1，丁海强1，赵锦超2，孙明玮1. 基于biRNN的海军军械不均衡文本数据集处理方法[J]. 计算机与现代化, 2019, 0(12): 21-.

关联规则挖掘在市场监管工作中的应用

Application of Association Rule Mining in Market Supervision and Management

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价