基于位組合的關聯規則生成方法
【專利摘要】基于位組合的關聯規則生成方法，涉及一種關聯規則的生成方法，本發明為解決現有技術采用遞歸方式生成關聯規則，需要大量的內存空間，耗費棧空間，不利于對該算法進行GPU技術并行的問題。本發明采用二進制位組合基于GPU生成關聯規則，具體過程為：頻繁項目集合長度為n，關聯規則形式為前件和后件不能為空，二進制數從起；用二進制數生成關聯規則，1和0分別代表出現在后件和前件中的項；判斷生成的關聯規則是否滿足置信度，如果滿足將二進制數加1，然后生成關聯規則，如果不滿足則將二進制數加2m；然后判斷二進制數是否為如果否用二進制數生成關聯規則，如果是則全部關聯規則生成完畢。本發明用于關聯規則挖掘算法。
【專利說明】
基于位組合的關聯規則生成方法
技術領域
[0001 ]本發明設及一種關聯規則的生成方法。
【背景技術】
[0002] 1993年Agrawal等人提出使用關聯規則挖掘算法用來解決購物籃問題，關聯規則 分析的過程分為兩個部分:頻繁項目集挖掘和生成關聯規則。在購物籃問題中，每個商品被 稱作項目，超市中的所有n個商品構成項目集I = Ui,i2,…，U，1的一個子集X=Ui, i2,…， ik}被稱為k項集，并且有義G J。在顧客的一次交易中購買的所有商品構成一條事務T，所 有交易構成事務集合，對于某個集合X在某條事務Tl中出現，則稱該事務覆蓋X，有 Q 7;，X在所有事務的集合D中出現的次數被稱作支持數support(X)。
[0003] 使用頻繁項目集挖掘算法得到頻繁項目集后，需要對頻繁項目中的各項進行組合 生成關聯規則，形式天^ ^
}，A，B，C為項目，{A，B}為前件，{C}為后件，當規則的 置信度
滿足用戶定義的闊值時，說明該規則是有意義的。根據頻繁項 目集挖掘技術應用場景的不同，例如應用在基因數據上，很可能產生長模式頻繁項目集，如 果不能采用有效的算法，生成關聯規則的過程既耗費時間也耗費空間。
[0004] 現有技術采用遞歸的方式生成關聯規則。假設頻繁項目集中某條頻繁項目的長度 為m，現有技術采用遞歸的方式生成所有后件項目個數為1~m-1的關聯規則，當生成后件包 含集合中第i項的關聯規則時，首先生成僅W該項為后件的規則，隨后生成該項與其后面項 組合成后件的關聯規則，該過程按深度遞歸，直到生成Wi項到m項所有項為后件的規則為 止，接著進行W第i-1項為后件組合的所有關聯規則。
【發明內容】
[0005] 本發明目的是為了解決現有技術采用遞歸方式生成關聯規則，需要大量的內存空 間，耗費找空間，不利于對該算法進行GPU技術并行的問題，提供了一種基于位組合的關聯 規則生成方法。
[0006] 本發明所述基于位組合的關聯規則生成方法，采用二進制位組合基于GPU生成關 聯規則，具體過程為：
[0007] 步驟1、對任意頻繁項目集合FP生成關聯規則，關聯規則的形式為
，前件和后件不能為空，頻繁項目集合FP的長度為n，用n位的二進制數S 00'、.01 表示集合FP，二進制數S從起； n
[000引步驟2、用二進制數S生成一條關聯規則，1代表出現在后件中的項，0代表出現在前 件中的項；
[0009] 步驟3、判斷生成的關聯規則是否滿足置信度，如果是則執行步驟4,如果否則執行 步驟5;
[0010] 步驟4、將生成步驟3關聯規則的二進制數加1，獲得二進制數Q，用二進制數Q生成 一條關聯規則，然后執行步驟6;
[0011] 步驟5、將生成步驟3關聯規則的二進制數加2"，獲得二進制數P，然后執行步驟6， 其中m表示二進制數P末尾0的個數；
[001^ 步驟6、判斷二進制數Q或P是否為11::19 '如果否則執行步驟7,如果是則執行步 n 驟8;
[0013] 步驟7、用二進制數Q或P生成一條關聯規則，然后返回執行步驟3;
[0014] 步驟8、全部關聯規則生成完畢。
[0015] 步驟3所述置信度的獲得方法為：'
，其中support!：前件} 表示{前件}的支持數，SUPPOd {前件+后件}表示{前件+后件}的支持數。
[0016] 本發明的優點：本發明采用二進制位組合的形式實現關聯規則生成算法，并且采 用了跳躍策略，避免了生成不必要的關聯規則，解決了內存空間消耗的問題，并且可W進行 GPU技術的并行。關聯規則生成遞歸算法在進行GPU并行時，由于GPU找空間的限制，GPU并行 能夠處理的頻繁項集長度極為有限，經過本發明處理后的關聯聯規則算法可W進行GPU技 術的并行，突破了遞歸算法存在的找空間的限制，可W對長模式的頻繁項目集生成關聯規 則。
【附圖說明】
[0017] 圖1是本發明所述基于位組合的關聯規則生成方法的結構示意圖；
[0018] 圖2是集合。？={4,8，(：，0,6^}采用二進制位組合生成關聯規則的示意圖；
[0019] 圖3是集合。？={4,8，(：，0,6，。}采用二進制位組合生成關聯規則時不滿足置信度 的二進制數跳躍策略的示意圖。
【具體實施方式】
【具體實施方式】 [0020] 一:下面結合圖1說明本實施方式，本實施方式所述基于位組合的關 聯規則生成方法，采用二進制位組合基于GPU生成關聯規則，具體過程為：
[0021] 步驟1、對任意頻繁項目集合FP生成關聯規則，關聯規則的形式為
前件和后件不能為空，頻繁項目集合FP的長度為n，用n位的二進制數S 表示集合FP，二進制數S從?-9：：-'--9-1起； 巧
[0022] 步驟2、用二進制數S生成一條關聯規則，1代表出現在后件中的項，0代表出現在前 件中的項；
[0023] 步驟3、判斷生成的關聯規則是否滿足置信度，如果是則執行步驟4,如果否則執行 步驟5;
[0024] 步驟4、將生成步驟3關聯規則的二進制數加 I，獲得二進制數Q，用二進制數Q生成 一條關聯規則，然后執行步驟6;
[0025] 步驟5、將生成步驟3關聯規則的二進制數加2"，獲得二進制數P，然后執行步驟6， 其中m表示二進制數P末尾0的個數；
[00%]步驟6、判斷二進制數Q或P是否為LL：i5'如果否則執行步驟7,如果是則執行步 巧 驟8;
[0027] 步驟7、用二進制數Q或P生成一條關聯規則，然后返回執行步驟3;
[0028] 步驟8、全部關聯規則生成完畢。
[0029] 【具體實施方式】二:本實施方式對實施方式一作進一步說明，步驟3所述置信度的獲 得方法為
.，其中support {前件}表示{前件}的支持數，suppo;rt {前件+后件}表示{前件+后件}的支持數。
[0030] 本發明中，假設對頻繁項目集合。口={4,8，(：，0,6，。}生成關聯規則，關聯規則的形 式為{化件}二{后件}，轉換為組合問題，后件出現集合FP中任一項的情況為G種， 后件出現集合FP中任兩項的情況為Cf種，W此類推，后件出現集合FP中任五項的情況為 CgS種，則可生成不同關聯規則的總數為G +G +q>G +Q，根據公式 C: + C,|,十Cf +…+ C^'二2"，集合FP可生成的關聯規則總數為62個。因此，對于任意頻 繁項目集FP，長度為n，可生成全部關聯規則的數目為:個。
[0031] 結合圖2說明采用二進制位形式生成關聯規則的過程中，用1代表出現在后件中的 項，用0代表出現在規則前件中的項。依然W集合。口={4,8，(：，0,6，。}為例生成關聯規則，用 6位的二進制數表示集合FP，二進制數從OOOOOl起，0和1分別對應集合FP中的各項，即
OOOOOl表3 j，每生成一條關聯規則，二進制數加1,000010表 示關聯規見 3011表示關聯規則
，依 次類推，直至111110表示關聯規則
，全部關聯規則生成完畢。圖2 中，初始狀態下六位的二進制數各位均為0,隨著二進制數不斷加1，產生關聯規則，當生成 的二進制數為OOlOlO時，其中1代表后件的元素，對應項為C和E，0代表前件中的元素，對應 項分別為A，B，D，F，因此該二進制數對應的關聯規則為?
[0032] 通過對關聯規則的特性分析，能夠避免生成不必要的關聯規則。根據關聯規則的 特性，如果某一規則是不滿A甲置信原的，那么Pi巧規剛后件的所有超集生成的規則一定是 不滿足置信度的。例如，規則
的支持數3啡9〇^{4,8，(：，0,6，。}為 8,其前件{A，B，D，F}的支持數support{A，B，D，F}為10,那么該規則的置信度為0.8,當用戶 設定最小置信度為0.卵寸，該規則不滿足置信度，因此不必生成該規則，因為任意集合{A，B, D，F}的子集支持數一定大于集合{A，B，D，F}本身，因此W規見
后 件{C，E}的任意超集構成的關聯規則也一定是不滿足置信度的，為了提高生成關聯規則方 法的效率，可W采用W下方法避免生成不必要的規則:如果某一二進制數P對應的關聯規則 是不滿足條件的，該二進制數末尾O的數目為m，那么從P起直到二進制數P+2m，運之間二進 制數對應的關聯規則都是不滿足條件的。因此在生成關聯規則的時候，可W直接跳過2"-1 次關聯規則生成過程，從而提高關聯規則生成的效率，接下來通過一個實例進行說明。如圖 3所示。假設規則{
^ 1是不滿足置信度的，那么根據關聯規則的特性， 規則j
也是不滿足置信度的。規則
對應圖3中的二進制數為000100,不 滿足置信度，m=2,運之間存在3個不滿足置信度的規則000101，000110,000111，即 圖3中虛框中的數字和字母進行變動，正對應了規則
，
，因此可W直接跳過2"-1個關聯規 則的生成過程，進行000100+4規則的判斷，即下一步直接判斷001000。
[0033] 關聯規則生成遞歸算法在進行GPU并行時，由于GPU找空間的限制，GPU并行能夠處 理的頻繁項集長度極為有限，經過本發明處理后的關聯聯規則算法可W進行GPU技術的并 行，突破了遞歸算法存在的找空間的限制，可W對長模式的頻繁項目集生成關聯規則。例如 在Iinux環境下，硬件環境為Intel(R) Xeon(R) CPU E5-2670 v2 @ 2.50細Z，物理CPU個數 為2,每個CPU上有10個物理core,內存大小為64GB，顯示適配器的型號為NVIDIA Qua化O 1(5000，雙顯卡，每塊顯卡的顯存為46，(：師4環境為(：師4 6.5，計算能力3.0。運樣的環境下， 基于GPU的遞歸關聯規則生成算法僅能處理最大長度為5的頻繁項集，因而無法達到實用效 果。而采用本發明則在理論上可W對任意長度的頻繁項集進行處理，因而其GPU并行執行是 可行的，并且可W進一步實用化。
[0034] 在大豆基因數據的處理過程中，經過數據挖掘后一般不存在只生成長度小于5的 頻繁項集，所W在實際應用中采用原有的遞歸算法無法采用GPU并行方式，采用本發明提出 的二進制位組合能夠基于GPU生成關聯規則，實現對大豆基因數據的處理。
[0035] 在購物籃處理問題過程中，挖掘后的結果一般不存在客戶購物數量不超過5件商 品，因此，原有的遞歸算法無法采用GPU并行處理。本發明提出的基于位組合的生成方法能 夠采用GPU并行技術實現，實現對購物籃數據的處理。
【主權項】
1. 基于位組合的關聯規則生成方法，其特征在于，采用二進制位組合基于GPU生成關聯 規則，具體過程為：步驟1、對任意頻繁項目集合FP生成關聯規則，關聯規則的形式： 前件和后件不能為空，頻繁項目集合FP的長度為n，用η位的二進制數S表示集合FP，二進制 數S,丨； 步驟2、用二進制數S生成一條關聯規則，1代表出現在后件中的項，O代表出現在前件中 的項； 步驟3、判斷生成的關聯規則是否滿足置信度，如果是則執行步驟4,如果否則執行步驟 5； 步驟4、將生成步驟3關聯規則的二進制數加1，獲得二進制數Q，用二進制數Q生成一條 關聯規則，然后執行步驟6; 步驟5、將生成步驟3關聯規則的二進制數加2'獲得二進制數Ρ，然后執行步驟6,其中m 表示二進制數P末尾〇的個數； 步驟6、判斷二進制數Q或P是否為'如果否則執行步驟7，如果是則執行步驟8; η 步驟7、用二進制數Q或P生成一條關聯規則，然后返回執行步驟3; 步驟8、全部關聯規則生成完畢。2. 根據權利要求1所述的基于位組合的關聯規則生成方法，其特征在于，步驟3所述置 信度的獲得方法，，其中support {前件}表示{前件}的支持數， suppor t {前件+后件}表示{前件+后件}的支持數。
【文檔編號】G06Q30/06GK106022886SQ201610356507
【公開日】2016年10月12日
【申請日】2016年5月25日
【發明人】陸軍, 鄭金亮, 王楠, 徐紳寶, 李君 , 井睿勍, 萬康, 張瑋, 國家興
【申請人】黑龍江大學