傳統(tǒng)的關聯(lián)規(guī)則（AR）學習算法根據(jù)規(guī)則出現(xiàn)的頻率為每一個關聯(lián)規(guī)則左端項（LEI）找到在頻率意義下最優(yōu)的右端項（REI）進行推薦�，F(xiàn)實生活中影響關聯(lián)規(guī)則重要程度的因素很多,而傳統(tǒng)的學習算法僅考慮了頻率,因此不能給出個性化的結果;此外,傳統(tǒng)算法也沒有考慮關聯(lián)規(guī)則右端項之間的關系,無法生成一組左端項相同而右端項類似并且可以相互替代的關聯(lián)規(guī)則,因此通過其他因子對規(guī)則進行篩選時會失去一些重要信息。針對這些問題,提出一種價格適應性的藥品關聯(lián)規(guī)則學習及推薦算法,考慮子關聯(lián)規(guī)則之間以及子母關聯(lián)規(guī)則之間的關系,計算關聯(lián)規(guī)則右端項之間的互信息,確定了頻繁項集置信度的閾值。實驗結果表明,利用MIMIC數(shù)據(jù)庫,所提算法挖掘出了數(shù)據(jù)中左端項相同且右端項為藥效相似但價格不同的一系列關聯(lián)規(guī)則,并能根據(jù)給定左端項和價格閾值完成關聯(lián)規(guī)則的推薦任務。 

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 相關工作
    1.1 關聯(lián)規(guī)則學習
    1.2 MIMIC醫(yī)學數(shù)據(jù)庫
2 本文算法
    2.1 術語定義
    2.2 頻繁項集置信度的特征
        2.2.1 子關聯(lián)規(guī)則之間的關系
        2.2.2 子關聯(lián)規(guī)則之間的關系
    2.3 頻繁項集的挖取和藥品推薦的實現(xiàn)
        2.3.1 構建候選頻繁項集
        2.3.2 關聯(lián)規(guī)則和價格標簽生成
        2.3.3 藥品推薦
3 實驗結果與分析
    3.1 可替代的關聯(lián)規(guī)則學習結果
    3.2 推薦的效果
    3.3 關于互信息閾值的取定
4 結語



本文編號：3702270