摘 要 为避免传统的关联规则挖掘产生的负相关关联规则，本文改进了关联规则挖掘方法，在原有规则支持度和置信度的基础上提出了相关度的概念，使得产生的关联规则符合用户的相关度要求。

    关键词 数据挖掘；关联规则；相关性

     1 背景

    随着网络和数据库技术的飞速发展，人们在各种应用系统中积累了丰富的数据，并且不断地有数据更新。快速增长的海量数据收集、存放在大型和大量数据库中，如果没有强有力的数据分析工具，理解它们已经远超出人的能力。结果，大量的数据被描述为“数据丰富，但信息贫乏”。数据挖掘就是从大量数据中提取或发现有用的知识，帮助人们逾越数据和信息之间的鸿沟，帮助人们决策。关联规则挖掘是数据挖掘的一项重要内容。人们已经设计了很多关联规则挖掘的方法。显然，挖掘产生的关联规则的可用程度是我们关心的问题。

    2 问题的提出

    关联规则挖掘发现大量数据中项集之间的关联。然而由传统的关联规则挖掘[1]产生的强关联规则(满足最小支持度和最小置信度阈值)不一定是有价值的，可能产生决策误导。我们考察下面的例子。假定对分析涉及购买家用电脑和VCD播放机的事务感兴趣。在所分析的10000个事务中，6000个事务包含家用电脑，7500个事务包含VCD播放机，4000个事务同时包含家用电脑和VCD播放机。运行传统的关联规则挖掘程序 ......