張峰 吳辰曦

摘 要：本文通過對關(guān)聯(lián)規(guī)則挖掘的研究，探討了關(guān)聯(lián)規(guī)則在醫(yī)藥零售業(yè)中應用，以期找出不同藥品間的銷售相關(guān)程度，提高藥品的營銷力度，挖掘頻繁項目集是關(guān)聯(lián)規(guī)則挖掘應用中的核心技術(shù)。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；頻繁項集；醫(yī)藥營銷

1 引言

如今，數(shù)據(jù)挖掘已被各行各業(yè)所廣泛關(guān)注，關(guān)聯(lián)規(guī)則（Association Rules）挖掘是數(shù)據(jù)挖掘的一個重要分支，自從Agrawal于1993年提出了關(guān)聯(lián)規(guī)則挖掘的概念，吸引了越來越多的學者對其進行研究。關(guān)聯(lián)規(guī)則是如下形式的邏輯蘊涵：A→B，其中A，B是項集，A∈I，B∈I，A∩B=Ф，一般用來分析和發(fā)現(xiàn)數(shù)據(jù)事務(wù)集中不同變量或個體之間是否存在著某種關(guān)系，例如利用這些關(guān)系找出顧客購買行為模式。關(guān)聯(lián)規(guī)則源于購物籃分析，即購買A產(chǎn)品會不會刺激購買B產(chǎn)品，例如購買藥品A對購買其它藥品的相關(guān)影響，這時我們可以表示為“在購買了藥品A的顧客中，有K%的顧客又購買了B藥品”。發(fā)現(xiàn)這樣的規(guī)則可以應用于藥品的貨架分類、庫存安排及根據(jù)購買行為模式對患者進行分類?？傊?，關(guān)聯(lián)規(guī)則通過對歷史數(shù)據(jù)進行分析找出“哪些藥品會被顧客同時購買”。挖掘頻繁項目集是關(guān)聯(lián)規(guī)則挖掘應用中的核心技術(shù)，主要研究的關(guān)聯(lián)規(guī)則算法有搜索算法、深度優(yōu)先算法等，其中最為經(jīng)典的是Apriori算法[1]。

2 關(guān)聯(lián)規(guī)則的基本概念

關(guān)聯(lián)規(guī)則挖掘的主要任務(wù)是在歷史數(shù)據(jù)中發(fā)現(xiàn)所有強關(guān)聯(lián)規(guī)則，即在歷史數(shù)據(jù)中挖掘出所有滿足最小支持度min_support和最小置信度min_confidence的關(guān)聯(lián)規(guī)則。每一條被挖掘出來的關(guān)聯(lián)規(guī)則可以用一個蘊含式，兩個閥值來進行標識。

定義1：I={I1，I2…，Im}，由m個項目組成的集合。其中I為有m個項目的集合（itemset），即項目集，Im為購買的第m件藥品。

定義2：D={t1，t2，…，tn}，由n項組成的集合，代表n位顧客的交易集合，其中tj={ ij1，ij2…，ijk}，其中tj代表第j位顧客的交易清單，共購買了k項物品，ijk表示第j位顧客購買的第k件商品。

定義3：關(guān)聯(lián)規(guī)則一般是形如A->B的蘊涵式，它有兩個重要參數(shù)，支持度sup和可信度conf。其中，sup（I1->I2）=P（I1∩I2），表示I1和I2同時購買的概率；conf（I1->I2）=P（I1|I2），表示在購買了I2的情況下購買I1的概率。

定義4：若sup（I1->I2）>=min_support，conf（I1->I2）>= min_confidence，則（I1->I2）稱為強關(guān)聯(lián)規(guī)則，其中min_support稱為最小可信閾值，min_confidence稱為最小支持閾值，一般可以根據(jù)應用經(jīng)驗設(shè)定。

定義5：若有項目集S，sup（S）>=min_support，則S就是一個頻繁項集，頻繁K-項集，通常記為LK。如果一個項目集S不滿足最小支持度，則稱為非頻繁項集。

定義6：作用度（lift）是可信度與期望可信度的比值。作用度描述項目集X的出現(xiàn)對項目集Y的出現(xiàn)有多大影響。

在藥品銷售中，“購買藥品A的同時也會購買藥品B”，類似的自然語言可以用如下規(guī)則表示：藥品A-->藥品B[sup=7%， conf=89%]。這個規(guī)則的含義是：在所有交易中，藥品A和藥品B有7%的概率會同時購買，并且在購買藥品B時會有89%的概率購買藥品A。

3 關(guān)聯(lián)規(guī)則算法研究

Apriori[2]算法是關(guān)聯(lián)規(guī)則挖掘中比較有影響力的算法，該算法利用了一個層次順序搜索的循環(huán)方法來完成頻繁項集的挖掘工作。這一循環(huán)方法就是利用k-項集來產(chǎn)生（k+1）-項集。具體做法就是[3]：首先找出頻繁1-項集，記為L1；然后利用L1來挖掘L2，即頻繁2-項集；不斷如此循環(huán)下去直到無法發(fā)現(xiàn)更多的頻繁k-項集為止。每挖掘一層Lk就需要掃描整個數(shù)據(jù)庫一遍[4]。

（1）頻繁項集的所有非空子集也必須是頻繁的。

（2）非頻繁項集的所有超集一定是非頻繁的。

下面通過一個例子來研究Apriori算法是如何對一個事務(wù)數(shù)據(jù)庫進行頻繁項集挖掘的。數(shù)據(jù)庫中有4個事務(wù)，交易數(shù)據(jù)庫D中共有4條記錄，如表1所示，假設(shè)支持度閾值50%（即最小支持度計數(shù)為2）。

掃描數(shù)據(jù)庫，得到候選1-項集C1 ，如表2所示。

比較C1中各項的支持度計數(shù)與最小支持度計數(shù)，得到頻繁1-項集L1，如表3所示。

使用L1⊕L1生成候選2-項集C2，掃描數(shù)據(jù)庫，得到C2各項的支持度計數(shù)，如表4所示。

比較C2中各項的支持度計數(shù)與最小支持度計數(shù)，得到頻繁2-項集L2，如表5所示。

使用L2⊕L2生成候選3-項集C3，同時根據(jù)Apriori性質(zhì)剪枝，并掃描數(shù)據(jù)庫，得到C3各項的支持度，如表6所示。

比較C3中各項的支持度計數(shù)與最小支持度計數(shù)，得到頻繁3-項集L3，如表7所示。

因為在例子中無法產(chǎn)生候選4-項集，即C4= ，所以Apriori算法停止連接，得出頻繁項集BCE。

4 結(jié)論

通過利用Apriori算法對事物數(shù)據(jù)庫挖掘，最終得出了頻繁項集，根據(jù)該結(jié)論便可對藥品貨架分類、庫存安排及根據(jù)購買行為模式對患者進行分類。Apriori過程需要完成兩種操作，一是連接操作，二是消減操作，可能產(chǎn)生大量的候選集和重復掃描數(shù)據(jù)庫。

[參考文獻]

[1]J.HanandM.Kamber著，范明，孟小峰，等，譯.數(shù)據(jù)挖掘概念技術(shù).北京：機械工業(yè)出版社，2001：149-178.

[2]楊君銳.關(guān)于最大頻繁項集的增量式挖掘方法研究.計算機研究與發(fā)展，2004，41：270-275.

[3]歐陽為民，蔡慶生.數(shù)據(jù)庫中的時態(tài)數(shù)據(jù)發(fā)掘研究[J].計算機科學，1998，25（4）：60-63.

[4]楊炳儒.多最小支持度規(guī)則的挖掘算法[J].計算機工程.2003.Vol.29 No.6.40-41.151.