大数据下关联规则算法的改进及应用

doi:10.3969/j.issn.1006-2475.2014.12.006

计算机与现代化

大数据下关联规则算法的改进及应用

(广东农工商职业技术学院计算机系，广东广州 510507)

收稿日期:2014-09-15 出版日期:2014-12-22 发布日期:2014-12-22
作者简介:杨秀萍(1978-)，女，广东龙川人，广东农工商职业技术学院计算机系讲师，硕士，研究方向：智能信息处理。

Improved Algorithm of Association Rules in Big Data

(Computer Science Department, Guangdong AIB Polytechnic College, Guangzhou 510507, China)

Received:2014-09-15 Online:2014-12-22 Published:2014-12-22

摘要/Abstract

摘要： 大数据时代对数据挖掘的技术和应用提出了更高的要求，关联规则算法作为数据挖掘的一个主要方向，能够在大量数据中发现频繁项集和关联知识。Apriori算法是关联规则的经典算法，本文对其在大数据下应用的缺点提出改进的方法，并结合用户收视行为的海量数据对改进后的算法进行应用，提高了数据挖掘的效率并得到较好的挖掘结果，同时为后续的应用提出了新的课题。

关键词: 关联规则, Apriori算法, 收视行为, 数据处理

Abstract: In era of big data, we need more efficient algorithm and application of data mining. As a main direction, the algorithm of association rules can discover frequent item sets and association knowledge in a large amount of data. Apriori algorithm is a classical algorithm of association rules, based on this research, we find out the weakness of it and get improved methods for massive data. On its application in the customer viewing data, the improved algorithm increases the efficiency of data mining. Also after getting the mining results, we propose new topics for post application.

Key words: association rules, Apriori algorithm, viewing behavior, data processing

中图分类号:

TP311.1

杨秀萍. 大数据下关联规则算法的改进及应用[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2014.12.006.

YANG Xiu-ping. Improved Algorithm of Association Rules in Big Data[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2014.12.006.

参考文献

[1] 刘耀南. Apriori算法的分析及应用[J]. 佛山科学技术学院学报(自然科学版), 2012,30(3):70-74.

[2] 白冰,张晶,苏勇. 基于数据挖掘的收视数据预处理方法[J]. 科学技术与工程, 2007,7(18):4741-4745.

[3] 刘兴丽,骆力明. 关联规则Apriori算法改进研究与应用[J]. 首都师范大学学报(自然科学版), 2010,31(6):14-18.

[4] 黄颖. 改进的Apriori算法在电子商务推荐系统中的应用[J]. 计算机与数字工程, 2012,40(8):35-38.

[5] 杨尚森,李玉海. 数据挖掘中聚类分析算法性能探析[J]. 计算机与数字工程, 2007,35(11):6-8.

[6] 周涛,陆惠玲. 数据挖掘中聚类算法研究进展[J]. 计算机工程与应用, 2012,48(12):100-111.

[7] 符丽锦,覃华,邓海,等. 一种改进的Apriori算法[J]. 广西科学院学报, 2013,29(1):1-3.

[8] 王冬秀,胡迎春,李辉. 改进的Apriori算法在股票分析中的应用研究[J]. 科技通报, 2013,29(3):125-128.

[9] 李晋芳. 基于Apriori算法的数据挖掘算法研究[J]. 晋城职业技术学院学报, 2014,7(2):60-62.

[10] 杨秋叶. Apriori算法改进研究[J]. 电脑知识与技术, 2013,9(9):2037-2039

[11] 丁丽. 基于Apriori算法的用户行为数据挖掘研究[J]. 科技通报, 2013,29(12):214-217.

[12] 杨勇. 采用数据库优化技术的Apriori算法改进研究[J]. 计算机与数字工程, 2014,42(8):1352-1354.

[13] 魏党生. 《直通春晚》的定位、原则与收视分析[J]. 电视研究, 2013(3):47-49

[14] 朱明. 数据挖掘[M]. 合肥:中国科学技术大学出版社, 2002.

[15] Paolo Giudici. 实用数据挖掘[M]. 袁方,等译. 北京:电子工业出版社, 2004.

[16] Anand Rajaraman, Jeffrey David Ullman. 大数据:互联网大规模数据挖掘与分布式处理[M]. 王斌译. 北京:人民邮电出版社, 2012.

[17] 谢龙汉,尚涛. SPSS统计分析与数据挖掘[M]. 第2版. 北京:电子工业出版社, 2014.

大数据下关联规则算法的改进及应用

Improved Algorithm of Association Rules in Big Data

可视化

被引次数

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

[1]	韩坤, 王政, 段俊勇, 杨化林. 基于雾计算的制造物联网数据处理技术综述[J]. 计算机与现代化, 2024, 0(01): 13-20.
[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]	周明升, 张雯. 一种面向多源数据的智慧园区管理平台[J]. 计算机与现代化, 2023, 0(05): 68-74.
[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]	单珂, 张一鸣, 刘瑞霞, . 面向中原城市群的科技服务资源池研究与设计[J]. 计算机与现代化, 2022, 0(07): 91-96.
[6]	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.
[7]	潘卫军, 刘皓晨, 王润东, 胡博文. 基于ANN的改进Spark系统在空管大数据处理中的应用[J]. 计算机与现代化, 2020, 0(12): 78-82.
[8]	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.
[9]	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-.
[10]	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-.
[11]	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-.
[12]	石慧1，陈恩2. Spark平台的分布式阶段自适应关联规则挖掘算法[J]. 计算机与现代化, 2019, 0(12): 31-.
[13]	黎丹雨,陈怡华. 一种多层多维的关联规则挖掘算法在推荐系统中的应用[J]. 计算机与现代化, 2019, 0(06): 44-.
[14]	桂易琪,鞠爽爽,张智浩. P2P流媒体系统中基于关联规则的缓存替换策略[J]. 计算机与现代化, 2019, 0(06): 65-.
[15]	屠雪真. 一种优化的内核态文件发送方法[J]. 计算机与现代化, 2019, 0(05): 13-.