【摘要】：在互聯(lián)網(wǎng)高速發(fā)展和大數(shù)據(jù)時(shí)代背景下,企業(yè)和用戶對(duì)于獲取數(shù)據(jù)背后潛在知識(shí)的要求更加迫切,數(shù)據(jù)挖掘正是發(fā)現(xiàn)潛在知識(shí)的重要途徑。但在面向社交網(wǎng)絡(luò)的數(shù)據(jù)挖掘中,社交網(wǎng)絡(luò)數(shù)據(jù)復(fù)雜性對(duì)挖掘算法的準(zhǔn)確性和執(zhí)行效率提出了嚴(yán)峻挑戰(zhàn),如何提高算法效率成為了研究的核心問(wèn)題。本文針對(duì)關(guān)聯(lián)規(guī)則挖掘方法進(jìn)行深入研究,對(duì)于挖掘社交網(wǎng)絡(luò)數(shù)據(jù)間關(guān)聯(lián)關(guān)系具有一定的理論和實(shí)際意義。本文首先詳細(xì)闡述數(shù)據(jù)挖掘和關(guān)聯(lián)規(guī)則挖掘基本理論,分析社交網(wǎng)絡(luò)數(shù)據(jù)除具備傳統(tǒng)互聯(lián)網(wǎng)大數(shù)據(jù)特點(diǎn)外自身獨(dú)有特征,并研究了社交網(wǎng)絡(luò)數(shù)據(jù)特征對(duì)于關(guān)聯(lián)分析算法的實(shí)際需求,在明確社交網(wǎng)絡(luò)數(shù)據(jù)分析重點(diǎn)基礎(chǔ)上,提出適用于社交網(wǎng)絡(luò)數(shù)據(jù)分析流程。其次,針對(duì)經(jīng)典關(guān)聯(lián)規(guī)則挖掘算法Apriori進(jìn)行深入研究,分析對(duì)于社交網(wǎng)絡(luò)數(shù)據(jù)關(guān)聯(lián)分析,Apriori還面臨著多次迭代掃描數(shù)據(jù)庫(kù)、產(chǎn)生候選項(xiàng)集過(guò)程中“連接”動(dòng)作時(shí)間復(fù)雜度較高的問(wèn)題。針對(duì)這些問(wèn)題,本文利用Apriori頻繁項(xiàng)集產(chǎn)生階段從全局事務(wù)集中發(fā)現(xiàn)高階頻繁項(xiàng)集的特征,引入全局優(yōu)化搜索算法遺傳禁忌搜索產(chǎn)生頻繁項(xiàng)集,提出基于遺傳禁忌搜索的關(guān)聯(lián)規(guī)則挖掘算法,經(jīng)過(guò)實(shí)驗(yàn)評(píng)估,驗(yàn)證了算法的準(zhǔn)確性和有效性,能夠解決好上述問(wèn)題。再次,分析遺傳禁忌搜索在關(guān)聯(lián)規(guī)則挖掘中的可行性與優(yōu)勢(shì),設(shè)計(jì)關(guān)聯(lián)規(guī)則編碼方式,結(jié)合關(guān)聯(lián)規(guī)則衡量標(biāo)準(zhǔn)構(gòu)建為選擇算子提供主要依據(jù)的適應(yīng)度函數(shù),針對(duì)遺傳禁忌搜索中模擬染色體交叉、變異操作,設(shè)計(jì)關(guān)聯(lián)規(guī)則挖掘相關(guān)遺傳算子,使算法能夠在全局事務(wù)集中快速發(fā)現(xiàn)高階頻繁項(xiàng)集,大幅度提升了關(guān)聯(lián)規(guī)則挖掘效率,保證了挖掘結(jié)果準(zhǔn)確性。最后,將上述研究成果應(yīng)用于面向社交網(wǎng)絡(luò)的實(shí)際場(chǎng)景中,設(shè)計(jì)并實(shí)現(xiàn)了在線教育學(xué)習(xí)平臺(tái)“學(xué)習(xí)支持”系統(tǒng),針對(duì)在線教育學(xué)習(xí)平臺(tái)用戶在社交網(wǎng)絡(luò)發(fā)布微博內(nèi)容與其在學(xué)習(xí)平臺(tái)近期學(xué)習(xí)狀態(tài)數(shù)據(jù)關(guān)聯(lián)關(guān)系進(jìn)行挖掘,并對(duì)系統(tǒng)數(shù)據(jù)采集和預(yù)處理模塊進(jìn)行詳細(xì)設(shè)計(jì)。應(yīng)用結(jié)果表明系統(tǒng)能夠很好地運(yùn)行于面向社交網(wǎng)絡(luò)的實(shí)際場(chǎng)景。系統(tǒng)應(yīng)用部分既是理論研究與實(shí)際相結(jié)合,同時(shí)為在線教育平臺(tái)學(xué)生培養(yǎng)和成績(jī)預(yù)警提供了一種新思路。
【圖文】：

有其他一些常見(jiàn)的數(shù)據(jù)類型例如半結(jié)構(gòu)化數(shù)據(jù)、時(shí)間數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)、Web 數(shù)據(jù)等均可應(yīng)用于數(shù)據(jù)挖掘中，如圖 2.2 所示。圖2.2 數(shù)據(jù)挖掘數(shù)據(jù)類型關(guān)系數(shù)據(jù)庫(kù)由多個(gè)規(guī)范化的數(shù)據(jù)表組成，這些數(shù)據(jù)表規(guī)范化后降低了冗余數(shù)據(jù)的可能性，，加快了數(shù)據(jù)訪問(wèn)時(shí)間，表中記錄著多個(gè)元組，每個(gè)元組可以認(rèn)為是一個(gè)數(shù)據(jù)對(duì)象，被唯一主鍵標(biāo)識(shí)，通過(guò)數(shù)據(jù)庫(kù)查詢語(yǔ)言 SQL 獲取表中數(shù)據(jù)子集，構(gòu)建適合應(yīng)用于數(shù)據(jù)挖掘的表。關(guān)系數(shù)據(jù)庫(kù)數(shù)據(jù)在數(shù)據(jù)挖掘中同樣以表格的形式或單個(gè)關(guān)系展示，表格的每一列代表數(shù)據(jù)對(duì)象所具有的各特征，而每一行則代表在指定特征下的特征值。

法的有效性和準(zhǔn)確性。本文用于評(píng)估的真實(shí)數(shù)據(jù)集來(lái)自于 UCI 的事務(wù)數(shù)據(jù)，共有103582 條事務(wù)，數(shù)據(jù)集大小 15116KB，圖 4.6 展示了部分?jǐn)?shù)據(jù)集數(shù)據(jù)。圖4.6 數(shù)據(jù)集部分?jǐn)?shù)據(jù)數(shù)據(jù)集中第一列標(biāo)明各事務(wù)的編號(hào)，后續(xù)數(shù)據(jù)列表示每一事務(wù)中所有的購(gòu)買(mǎi)物品，具體以物品編號(hào)顯示。4.4.1 評(píng)分函數(shù)評(píng)價(jià)評(píng)分函數(shù)是對(duì)算法和模型有效性量化表示的一種評(píng)估方法，關(guān)聯(lián)分析是描述性分析問(wèn)題，故本文采用最大似然思想的評(píng)分函數(shù)對(duì)提出算法進(jìn)行評(píng)估。評(píng)分函數(shù)設(shè)計(jì)定義為： 1, , ,NiEva s c p rule i s c (4-5)其中 p rule i , s ,c 為具體關(guān)聯(lián)規(guī)則 rule(i)在支持度 s 和置信度 c 下的評(píng)分函數(shù)，本文將該函數(shù)定義為上文設(shè)計(jì)的具體關(guān)聯(lián)規(guī)則的適應(yīng)度函數(shù)： , , fitp rule i s c F (4-6)為了使評(píng)分函數(shù)值便于反應(yīng)評(píng)估結(jié)果，需將評(píng)分函數(shù)值限定在[0，1]區(qū)間內(nèi)，因此對(duì)式 4-5 取對(duì)數(shù)及取反
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.13;TP393.09

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 呂鐵;韓娜;;智能制造:全球趨勢(shì)與中國(guó)戰(zhàn)略[J];人民論壇·學(xué)術(shù)前沿;2015年11期

2 程學(xué)旗;靳小龍;王元卓;郭嘉豐;張鐵贏;李國(guó)杰;;大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J];軟件學(xué)報(bào);2014年09期

3 孫大為;張廣艷;鄭緯民;;大數(shù)據(jù)流式計(jì)算:關(guān)鍵技術(shù)及系統(tǒng)實(shí)例[J];軟件學(xué)報(bào);2014年04期

4 陳申燕;曹e

本文編號(hào)：2682502