(天津市機(jī)電工藝學(xué)院，天津 300350)

當(dāng)今時(shí)代，科學(xué)技術(shù)日新月異，技術(shù)飛速發(fā)展的背后是大量科研成果的推出。為了以一個(gè)有效的方式管理已有的科研成果，為科研管理者提供快速高效的科研信息獲取方式，科研成果管理系統(tǒng)應(yīng)運(yùn)而生。傳統(tǒng)的科研成果管理多利用數(shù)據(jù)庫(kù)將成果數(shù)據(jù)存儲(chǔ)起來(lái)。但成果數(shù)據(jù)與科研項(xiàng)目之間往往存在有價(jià)值的關(guān)系，這些關(guān)系在傳統(tǒng)的科研成果管理系統(tǒng)中很容易被忽略。這些蘊(yùn)含在成果中的關(guān)系，對(duì)管理人員做出科學(xué)的決策有很大的幫助。數(shù)據(jù)載體廣、類型多、存儲(chǔ)方式不一等為現(xiàn)階段研究成果特征，顯然，這樣不統(tǒng)一的數(shù)據(jù)類型結(jié)構(gòu)對(duì)決策分析和數(shù)據(jù)應(yīng)用造成很大阻礙，同時(shí)也不利數(shù)據(jù)的高效使用。而數(shù)據(jù)倉(cāng)庫(kù)可以集成異構(gòu)的成果數(shù)據(jù)庫(kù)，提供面向成果中不同主題的數(shù)據(jù)。傳統(tǒng)的科研成果系統(tǒng)只能單一提取成果信息，而聯(lián)機(jī)分析處理可通過(guò)建立多維數(shù)據(jù)集，對(duì)成果信息提供多角度分析。此外，數(shù)據(jù)挖掘Apriori算法可以對(duì)成果數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析發(fā)現(xiàn)成果之間的關(guān)系，為決策分析提供支持。

一、數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘應(yīng)用現(xiàn)狀

(一)數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用

數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)了多種資源的物化視圖，目的是給聯(lián)機(jī)分析處理和決策支持提供數(shù)據(jù)基礎(chǔ)。在面向應(yīng)用的操作環(huán)境中提取到的數(shù)據(jù)存入數(shù)據(jù)倉(cāng)庫(kù)之前，最重要的就是對(duì)數(shù)據(jù)的矛盾信息以及冗余信息進(jìn)行處理，再進(jìn)行數(shù)據(jù)集成。數(shù)據(jù)倉(cāng)庫(kù)對(duì)數(shù)據(jù)的高品質(zhì)和高效的管理都有深遠(yuǎn)的影響，這也是數(shù)據(jù)倉(cāng)庫(kù)被廣泛研究和應(yīng)用的原因。

目前國(guó)內(nèi)對(duì)數(shù)據(jù)倉(cāng)庫(kù)的研究多應(yīng)用國(guó)外開發(fā)的優(yōu)秀的數(shù)據(jù)倉(cāng)庫(kù)建立自己的數(shù)據(jù)倉(cāng)庫(kù)，已經(jīng)廣泛的應(yīng)用在了銀行，金融，保險(xiǎn)，市場(chǎng)零售業(yè)中進(jìn)行風(fēng)險(xiǎn)管理，電子商務(wù)和商業(yè)智能平臺(tái)的建造。在電信企業(yè)經(jīng)營(yíng)分析系統(tǒng)中運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)技術(shù)，建立統(tǒng)一電信數(shù)據(jù)資源，更好的應(yīng)對(duì)了市場(chǎng)激烈競(jìng)爭(zhēng)的要求，廣東省已經(jīng)率先建立起完善的基于數(shù)據(jù)倉(cāng)庫(kù)的電信管理系統(tǒng)。數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用在醫(yī)院管理系統(tǒng)上也是研究的熱點(diǎn)，醫(yī)院的信息數(shù)據(jù)倉(cāng)庫(kù)將分散在多個(gè)部門中的數(shù)據(jù)，不同管理平臺(tái)上的報(bào)表系統(tǒng)進(jìn)行集中，建立具有數(shù)據(jù)整合功能的數(shù)據(jù)倉(cāng)庫(kù)，使得醫(yī)院的管理系統(tǒng)更加智能?，F(xiàn)在數(shù)據(jù)倉(cāng)庫(kù)技術(shù)在醫(yī)院管理系統(tǒng)已經(jīng)有了較為完善的應(yīng)用。隨著移動(dòng)互聯(lián)網(wǎng)的興起，數(shù)據(jù)倉(cāng)庫(kù)也在逐步與其融合，越來(lái)越多的移動(dòng)供應(yīng)商開始研究數(shù)據(jù)倉(cāng)庫(kù)技術(shù)，幫助開發(fā)者對(duì)用戶的移動(dòng)端進(jìn)行分析，并且在移動(dòng)互聯(lián)網(wǎng)APP開發(fā)中數(shù)據(jù)倉(cāng)庫(kù)也起到了重要的作用。

(二)數(shù)據(jù)挖掘的應(yīng)用

1.數(shù)據(jù)挖掘的定義

最初開始從事數(shù)據(jù)挖掘的只有50人，而現(xiàn)在數(shù)據(jù)挖掘正在吸引越來(lái)越多的商業(yè)、科學(xué)團(tuán)體進(jìn)行研究。數(shù)據(jù)挖掘系統(tǒng)發(fā)展分為4代，如表1數(shù)據(jù)挖掘系統(tǒng)四代劃分表所示。數(shù)據(jù)挖掘的出現(xiàn)，解決了對(duì)大數(shù)據(jù)的有效利用，使得各行各業(yè)的海量數(shù)據(jù)得到了很好的利用。國(guó)內(nèi)外對(duì)數(shù)據(jù)挖掘的研究也越來(lái)越寬泛，涉及的領(lǐng)域也越來(lái)越廣泛。

數(shù)據(jù)挖掘也被稱為知識(shí)發(fā)現(xiàn)(KDD)，定義為一種抽取數(shù)據(jù)庫(kù)中隱含的，潛在有用的數(shù)據(jù)如知識(shí)規(guī)則，約束條件等。最初的知識(shí)發(fā)現(xiàn)僅在少數(shù)實(shí)際數(shù)據(jù)中展開，一個(gè)經(jīng)典的案例就是Buchanan發(fā)現(xiàn)的大量光譜規(guī)則，還有Michalski在大豆疾病中發(fā)現(xiàn)的新的診斷規(guī)則。現(xiàn)在對(duì)于數(shù)據(jù)挖掘的研究已經(jīng)延伸到了智能文本、教育、氣象等領(lǐng)域。智能文本數(shù)據(jù)挖掘系統(tǒng)可以從文本中提取相關(guān)碎片讓使用者來(lái)查詢，自動(dòng)的生成一系列新的查詢算法來(lái)重組新的文本，輸出的結(jié)果可以為使用者提供選擇主題的新內(nèi)容，這種工具的規(guī)則是基于復(fù)雜的啟發(fā)式教學(xué)的。高巨山等提出了挖掘教育數(shù)據(jù)中其中最重要的被忽視一種模式是基于教育信息化中數(shù)據(jù)挖掘的研究，在教學(xué)和科研工作過(guò)程中融入數(shù)據(jù)挖掘技術(shù)來(lái)為教育信息化發(fā)展做貢獻(xiàn)。彭昱忠等提出了數(shù)據(jù)挖掘技術(shù)在氣象預(yù)報(bào)中的應(yīng)用，解決傳統(tǒng)氣象預(yù)報(bào)中遇到的困難，提高氣象預(yù)報(bào)的準(zhǔn)確度。

表1 數(shù)據(jù)挖掘系統(tǒng)四代劃分表

2.數(shù)據(jù)挖掘的過(guò)程

問題定義：首先要求技術(shù)人員明確數(shù)據(jù)挖掘任務(wù)中的具體要求，了解應(yīng)用領(lǐng)域相關(guān)的內(nèi)容和用戶需求，準(zhǔn)確定位數(shù)據(jù)探索和挖掘?qū)ο?，確認(rèn)數(shù)據(jù)內(nèi)容，按照挖掘數(shù)據(jù)對(duì)象定位算法。

數(shù)據(jù)準(zhǔn)備：這一部分內(nèi)容包含數(shù)據(jù)的抽取數(shù)據(jù)抽取、預(yù)處理、轉(zhuǎn)換等環(huán)節(jié)。數(shù)據(jù)抽取就是準(zhǔn)備你將要挖掘的數(shù)據(jù)，因?yàn)橐M(jìn)行挖掘的數(shù)據(jù)不一定集合在一起，也許你要從公共數(shù)據(jù)庫(kù)中獲得數(shù)據(jù)。數(shù)據(jù)預(yù)處理就是對(duì)抽取到的數(shù)據(jù)進(jìn)行再處理，檢查數(shù)據(jù)是不是有完整的結(jié)構(gòu)和數(shù)據(jù)的結(jié)構(gòu)是不是符合統(tǒng)一的標(biāo)準(zhǔn)，使數(shù)據(jù)滿足進(jìn)行挖掘的要求，確保數(shù)據(jù)的一致性和正確性，還要保證所有的數(shù)據(jù)都經(jīng)過(guò)同樣的方式處理。數(shù)據(jù)轉(zhuǎn)換就是要除去數(shù)據(jù)中的噪聲，對(duì)數(shù)據(jù)進(jìn)行清洗轉(zhuǎn)換。

數(shù)據(jù)挖掘的實(shí)施：這一階段就是對(duì)數(shù)據(jù)進(jìn)行挖掘。這是數(shù)據(jù)挖掘中重要的一步，你要選擇一種算法，你所選中的數(shù)據(jù)挖掘算法將影響你的數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)挖掘結(jié)果。利用歸納技術(shù)如神經(jīng)網(wǎng)絡(luò)算法來(lái)建立預(yù)測(cè)模型，用統(tǒng)計(jì)分析聚類技術(shù)將數(shù)據(jù)分區(qū)存入集群中，識(shí)別數(shù)據(jù)中有用的關(guān)聯(lián)分析，最后檢測(cè)數(shù)據(jù)是否能夠進(jìn)行特殊分區(qū)中。

結(jié)果解釋與評(píng)估：根據(jù)數(shù)據(jù)挖掘的任務(wù)和決策的目的，數(shù)據(jù)挖掘所獲得的數(shù)據(jù)必須進(jìn)行結(jié)果檢驗(yàn)與解釋意義。無(wú)論多么完美的數(shù)據(jù)挖掘算法都經(jīng)過(guò)外部數(shù)據(jù)的檢驗(yàn)，才能說(shuō)明他反應(yīng)了真實(shí)的信息。數(shù)據(jù)挖掘的時(shí)候會(huì)產(chǎn)生各種干擾因素，一次挖掘的結(jié)果用戶可能不滿意，也可能出現(xiàn)多余的數(shù)據(jù)或者與挖掘目的沒有關(guān)系的數(shù)據(jù)，因此還要退回上一步，重新開始。為了滿足人機(jī)交互的需要，對(duì)所發(fā)現(xiàn)的規(guī)則進(jìn)行可視化，將挖掘結(jié)果轉(zhuǎn)換為簡(jiǎn)潔明了的表示方法，讓用戶能夠理解，增強(qiáng)用戶體驗(yàn)。

3.數(shù)據(jù)挖掘的工具

目前中國(guó)業(yè)內(nèi)被廣泛使用有三種數(shù)據(jù)挖掘工具，簡(jiǎn)單介紹如下：

SAS公司的Enterprise Miner。1997年，SAS發(fā)布了Enterprise Miner，為用戶提供一個(gè)圖形化流程化處理環(huán)境，這個(gè)環(huán)境方便建模，而且包含數(shù)據(jù)挖掘的算法，例如決策樹，神經(jīng)網(wǎng)絡(luò)，回歸，關(guān)聯(lián)等。具有完備的數(shù)據(jù)探索功能。

IBM公司的Intelligent Miner。Intelligent Miner是IBM開發(fā)的數(shù)據(jù)挖掘軟件，包含了算法和可視化工具，可以使用預(yù)測(cè)模型標(biāo)識(shí)語(yǔ)言來(lái)導(dǎo)出數(shù)據(jù)挖掘模型和可伸縮的數(shù)據(jù)挖掘算法，并且可以與IBM DB2關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)集成。它包括Intelligent Miner for Data和IBM Intelligent Miner forText等分析軟件工具。

SPSS公司的Clementine。1998年SPSS收購(gòu)ISL公司，獲得了ISL公司的數(shù)據(jù)挖掘包Clementine，它引入流的概念，在相同工作流中允許用戶進(jìn)行數(shù)據(jù)清理操作，可以在同一工作流中進(jìn)行轉(zhuǎn)換數(shù)據(jù)，甚至是構(gòu)建數(shù)據(jù)都能在工作流中完成。

二、決策支持系統(tǒng)

(一)決策支持系統(tǒng)結(jié)構(gòu)

決策支持系統(tǒng)包括面向?qū)ο竽Ｐ蛶?kù)，方法庫(kù)，知識(shí)庫(kù)，數(shù)據(jù)庫(kù)和管理系統(tǒng)，還有聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘單元，問題過(guò)程單元?？茖W(xué)的決策離不開充分的人機(jī)交互，只有讓計(jì)算機(jī)理解了人的命令，才能做出符合人需求的響應(yīng)，人機(jī)交互接口是保證決策支持系統(tǒng)能夠正常進(jìn)行的必備條件。決策支持系統(tǒng)體系結(jié)構(gòu)圖如1所示。

人機(jī)交互系統(tǒng)的主要功能是負(fù)責(zé)人機(jī)交互以及模型計(jì)算與數(shù)值處理，組織多種模型輔助決策。創(chuàng)造用戶體驗(yàn)環(huán)境，通過(guò)web界面和相應(yīng)的信息處理機(jī)構(gòu)讓用戶和計(jì)算機(jī)進(jìn)行會(huì)話和信息的交互。主要采用的文字和圖形界面。

圖1 決策支持系統(tǒng)體系結(jié)構(gòu)圖

(二)基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)

以完整的數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘開發(fā)為基礎(chǔ)的決策系統(tǒng)主要由三個(gè)主體構(gòu)成。第一個(gè)主體是模型庫(kù)和數(shù)據(jù)庫(kù)；第二個(gè)主體是存在于數(shù)據(jù)處理階段的分析主體，按照順序有數(shù)據(jù)挖掘、聯(lián)機(jī)分析處理、數(shù)據(jù)倉(cāng)儲(chǔ)等。主要反映特征數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)挖掘和相關(guān)算法規(guī)律處理等被置于倉(cāng)儲(chǔ)庫(kù)，發(fā)現(xiàn)用戶可能會(huì)有興趣的知識(shí)。第三主體就是用戶。用戶利用數(shù)據(jù)挖掘知識(shí)，完成分析決策。三大主體相輔相成，相互協(xié)同發(fā)揮每個(gè)主體的特點(diǎn)，實(shí)現(xiàn)決策支持?；跀?shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)體系結(jié)構(gòu)圖2所示。

圖2 基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)結(jié)構(gòu)圖

(三)決策支持系統(tǒng)的應(yīng)用

決策支持系統(tǒng)的應(yīng)用領(lǐng)域分布在商務(wù)智能業(yè)務(wù)管理，健康醫(yī)療和軍隊(duì)等等。任何領(lǐng)域的應(yīng)用都要結(jié)合決策實(shí)際。決策支持系統(tǒng)可以解決策略和戰(zhàn)略部署問題，面對(duì)的都是要求低響應(yīng)度和高潛在影響的管理。決策支持最經(jīng)典的例子就是沃爾瑪超市發(fā)現(xiàn)了“啤酒與尿布”之間的關(guān)系，然后將這兩種看似無(wú)關(guān)的貨物擺在一起，大大提高了營(yíng)業(yè)額?，F(xiàn)在越來(lái)越多的商業(yè)開始利用決策支持來(lái)預(yù)測(cè)行情，發(fā)現(xiàn)規(guī)律，幫助管理層做出科學(xué)的決定。在醫(yī)療領(lǐng)域主要是用在臨床專家系統(tǒng)輔助診斷。利用病人和專家系統(tǒng)進(jìn)行信息匹配與對(duì)比分析，以原有的專家醫(yī)院信息系統(tǒng)為依托，這使得現(xiàn)有的醫(yī)療資源得到了最大化利用，而且通過(guò)改善資源利用率也降低了醫(yī)療成本。在軍事領(lǐng)域的決策支持系統(tǒng)，通過(guò)存儲(chǔ)了海量的戰(zhàn)場(chǎng)信息資源和指揮信息等數(shù)據(jù)，進(jìn)行戰(zhàn)略部署的輔助決策。

三、基于數(shù)據(jù)倉(cāng)庫(kù)的OLAP模型

在當(dāng)前的研究和背景下，聯(lián)機(jī)分析處理技術(shù)充分展現(xiàn)出其在數(shù)據(jù)挖掘和分析方面的強(qiáng)大優(yōu)勢(shì)，其往往在高效分析的基礎(chǔ)之上尋找和捕捉事物發(fā)展中的異常情況，開辟了數(shù)據(jù)處理的新的思路和發(fā)展前景。在OLAP數(shù)據(jù)分析的同時(shí)，數(shù)據(jù)庫(kù)中的數(shù)據(jù)由ETL處理后進(jìn)行整理分類歸集，這樣就非常高效的保證了數(shù)據(jù)分析的效率。因此本階段基于此模型下得到的數(shù)據(jù)立方體更加可靠，一方面在響應(yīng)速度方面有所提升，另一方面也大大降低了刷新代價(jià)。

建立數(shù)據(jù)倉(cāng)庫(kù)的過(guò)程中包含著OLAP中所囊括的維和度量。系統(tǒng)選擇了支持OLAP功能的SQL Server 2008Analysis Services (SSAS)，還包含安全和管理功能選項(xiàng)。利用SQL Server Business Intelligence Development Studio中的AnalysisServices項(xiàng)目模板，建立多維數(shù)據(jù)集，定義數(shù)據(jù)源以及建立事實(shí)表與維表之間的關(guān)系。

根據(jù)數(shù)據(jù)倉(cāng)庫(kù)的建立，在建立多維數(shù)據(jù)集的時(shí)候考慮到成果的不同主題，建立以下主題：科研成果類型主題、數(shù)量主題、科研成果作者信息主題、科研成果所屬項(xiàng)目主題、科研成果完成時(shí)間主題、科研成果評(píng)估分?jǐn)?shù)主題等等，與數(shù)據(jù)倉(cāng)庫(kù)邏輯模型設(shè)計(jì)的星型模式相匹配。

OLAP模型支持對(duì)數(shù)據(jù)的切片、鉆取、旋轉(zhuǎn)，以及對(duì)相關(guān)數(shù)據(jù)的提取可以從多角度進(jìn)行。這樣建立起來(lái)的多維數(shù)據(jù)集可以從不同的角度，選擇不同的側(cè)面為用戶提供考察成果數(shù)據(jù)庫(kù)中的各種與成果有關(guān)的數(shù)據(jù)的操作，獲得綜合的全面的資料。

切片(slice)：在多維數(shù)組W(維1，維2，… … ,維X，度量)中選擇一維I，并在維I上選擇維成員VI，得到多維數(shù)組子集WI(維1，維2，…維成員VI … ,維N，度量)成為在維I上的一個(gè)切片。

根據(jù)定義可知，切片的多少由維中成員的多少來(lái)決定。如果將數(shù)據(jù)立方體切片一次，那么立方體的維度就少了1個(gè)單位。切片可以讓用戶更準(zhǔn)確的看到多維數(shù)據(jù)集中的信息細(xì)節(jié)，一層一層的剖析，每切一次多維數(shù)據(jù)集就減少一個(gè)維度。選取時(shí)間維下的第一季度成果數(shù)據(jù)，就會(huì)在數(shù)據(jù)立方體中篩選出所有第一季度的成果這就是對(duì)該多維數(shù)據(jù)集進(jìn)行的一次切片。

切塊(Dice):切塊指的是在多維數(shù)據(jù)中選擇一個(gè)維上的一特定區(qū)間的維成員的動(dòng)作。例如選取第一季度的論文成果維，就得到的數(shù)據(jù)信息，這就是一個(gè)數(shù)據(jù)切塊。切塊也是在切片操作之上，再次進(jìn)行的切片。

旋轉(zhuǎn)(Pivotor Turning)：改變數(shù)據(jù)表中已有維的方向，如將本來(lái)在橫坐標(biāo)上的維轉(zhuǎn)移到縱坐標(biāo)上去或者將縱坐標(biāo)上的維逆時(shí)針轉(zhuǎn)到橫坐標(biāo)上。都是旋轉(zhuǎn)的操作。

鉆取(Drilldown)：可以將細(xì)節(jié)都隱藏起來(lái)從而得到綜合數(shù)據(jù)的操作是向下鉆取，可以得到更多的細(xì)節(jié)的操作是向上卷取。

OLAP模型對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)利用MDX(Multidimensional Expression)進(jìn)行多維查找，可以有效的分析多維數(shù)據(jù)集。MDX是OLAP的查詢語(yǔ)句，語(yǔ)法與結(jié)構(gòu)化查詢語(yǔ)言SQL很類似。在成果管理系統(tǒng)中，通過(guò)MDX語(yǔ)言，把科研員和決策者需要的成果數(shù)據(jù)查詢出來(lái)，展現(xiàn)在前臺(tái)界面里。

四、基于數(shù)據(jù)倉(cāng)庫(kù)的關(guān)聯(lián)規(guī)則挖掘

(一)關(guān)聯(lián)規(guī)則相關(guān)概念

關(guān)聯(lián)規(guī)則(AssociationRules，簡(jiǎn)稱AR)的概念是由R.Agrawal等在1993年提出的。AR是指客體之間的相互關(guān)系。形如：A1^A2^…^Ai→B1^B2^…^Bj，,表示目標(biāo)數(shù)據(jù)中客體B1，B2，… ，Bj傾向于A1，A2，…Ai一起出現(xiàn)。

項(xiàng)集是一組項(xiàng)。每個(gè)項(xiàng)集有大小利用項(xiàng)數(shù)來(lái)表示。在數(shù)據(jù)集中有些數(shù)據(jù)項(xiàng)集出現(xiàn)的頻率很高，這些高頻項(xiàng)集就是頻繁項(xiàng)集。關(guān)聯(lián)規(guī)則下挖掘出“發(fā)現(xiàn)頻繁項(xiàng)集和生成關(guān)聯(lián)規(guī)則”兩大子問題，前者成為后者挖掘研究的前提和關(guān)鍵。

衡量關(guān)聯(lián)規(guī)則興趣度的兩個(gè)指標(biāo)一個(gè)是支持度(Support)，另一個(gè)是信任度(confidece)，計(jì)算方式如下公式所示。支持度反映了此關(guān)聯(lián)的有用程度，信任度反映了確信程度。例如一個(gè)形如X→Y的規(guī)則，支持度是指包含X又包含Y的事務(wù)的可能性，信任度是指包含X的事務(wù)中同時(shí)也包含Y事務(wù)的可能性。得到的形式定義：

用戶可以設(shè)置兩個(gè)閾值來(lái)衡量項(xiàng)集出現(xiàn)的次數(shù)：最小支持度和最小信任度閾值，如果設(shè)計(jì)出來(lái)的關(guān)聯(lián)規(guī)則，通過(guò)計(jì)算得到的支持度和信任度都小于或等于這兩個(gè)用戶之前設(shè)置的閾值，這個(gè)規(guī)則就是有效關(guān)聯(lián)，因?yàn)檫@兩個(gè)閾值可以作為一個(gè)判斷標(biāo)準(zhǔn)。設(shè)計(jì)關(guān)聯(lián)規(guī)則要考慮到以下幾點(diǎn)：

1.關(guān)聯(lián)規(guī)則滿足最小支持度要求是被檢測(cè)的數(shù)據(jù)項(xiàng)目集在相應(yīng)的數(shù)據(jù)庫(kù)各事務(wù)中出現(xiàn)的最小次數(shù)與事務(wù)總數(shù)的比值。

2.提供友好的操作界面，使得用戶可以選擇想要進(jìn)行分析的屬性。

3.利用OLAP和Cube來(lái)完成關(guān)聯(lián)規(guī)則的挖掘。

(二)關(guān)聯(lián)規(guī)則的Apriori算法

關(guān)聯(lián)規(guī)則中最經(jīng)典的算法就是Apriori算法，是有Agrawal和Srikant提出的。其中，前者算法的核心概念旨在提升關(guān)聯(lián)規(guī)則背景下的結(jié)果產(chǎn)生效率。Apriori算法用一種逐層搜索的迭代方法：K項(xiàng)集用于搜索(K+1)項(xiàng)集。首先，找到頻繁1-項(xiàng)集的集合，用L1表示，L1用于構(gòu)建候選項(xiàng)集C2，C2挖掘出頻繁2-項(xiàng)集的集合，用L2表示，利用L2構(gòu)建的候選項(xiàng)集C2去挖掘頻繁3-項(xiàng)集L3，按照這個(gè)方式循環(huán)搜索下去，到頻繁K-項(xiàng)集不能被找到為止。

1.Apriori算法描述

輸入：數(shù)據(jù)庫(kù)D，min_sup=80%；

輸出：D中的頻繁項(xiàng)集L；

2.Apriori算法的核心

⑴單趟掃描數(shù)據(jù)庫(kù)D計(jì)算各個(gè)1-項(xiàng)集的支持度，得到頻繁1-項(xiàng)集的集合。

⑵連接步：通過(guò)Lk-1與自身的連接產(chǎn)生的候選K-項(xiàng)集的集合Ck。

設(shè)Lk={L1,L2,L3…Li,Lj…Ln},(1≤i≤n;1≤j≤n)

Li={ Li[1], Li[2], Li[3]…Li[m]…Li[k]}(1≤m≤k) Li[m]是項(xiàng)集Li的第m項(xiàng)。Lk中的兩個(gè)元素是可連接的當(dāng)且僅當(dāng)這兩個(gè)元素但前k-1個(gè)元素相同，Li∞Lj={ Li[1], Li[2], Li[3]…Li[m]…Li[k],Lj[k]}, Li∞Lj∈Ck+1。

IV. 剪枝步：只有當(dāng)子集都是頻繁集的候選集才是頻繁集，Ck是Lk的超集，Ck的成員可以是也可以不是頻繁的，但所有的頻繁K-項(xiàng)集都不包含在Ck中，即若Ck-1?Lk-1則Ck?Lk就要在候選K-項(xiàng)的集合Ck中刪除候選K-項(xiàng)集。

⑶通過(guò)單趟掃描數(shù)據(jù)庫(kù)D，計(jì)算各個(gè)項(xiàng)集的支持度，將不滿足支持度的項(xiàng)集去掉。通過(guò)上述分析可以看到，Apriori算法要多次掃描數(shù)據(jù)庫(kù)，會(huì)浪費(fèi)時(shí)間，而且也會(huì)產(chǎn)生大量的候選集，增加了工作量。對(duì)于成果數(shù)據(jù)來(lái)說(shuō)，有些數(shù)據(jù)屬性會(huì)出現(xiàn)相同的情況，每一次都掃描數(shù)據(jù)庫(kù)，對(duì)于相同的屬性值的重復(fù)掃描就造成了時(shí)間的浪費(fèi)，所以可以采用減少候選項(xiàng)集的方式修改算法。將第一次掃描數(shù)據(jù)庫(kù)產(chǎn)生頻繁項(xiàng)集后，通過(guò)頻繁項(xiàng)集與數(shù)據(jù)庫(kù)的對(duì)比，刪除掉無(wú)用的數(shù)據(jù)信息，形成新的候選項(xiàng)集，循環(huán)往復(fù)，以此來(lái)判斷候選項(xiàng)集中的項(xiàng)集能否成為新的頻繁項(xiàng)集，以此為基礎(chǔ)，計(jì)算支持度，獲得關(guān)聯(lián)規(guī)則。

五、總結(jié)

分析調(diào)研大量成型的科研成果，強(qiáng)調(diào)做出大量需求分析，整理出數(shù)據(jù)倉(cāng)儲(chǔ)的相關(guān)知識(shí)，建立相關(guān)知識(shí)儲(chǔ)備庫(kù)，為技術(shù)的處理和應(yīng)用創(chuàng)造一個(gè)聯(lián)機(jī)的載體和條件，運(yùn)用數(shù)據(jù)的挖掘和分析處理技術(shù)進(jìn)行算法原理的研究，繼而建立了在數(shù)據(jù)倉(cāng)庫(kù)研究理論基礎(chǔ)上的模型，為創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)奠定基礎(chǔ)。

開發(fā)系統(tǒng)應(yīng)用的主要技術(shù)包括OLAP和Apriori兩種實(shí)用算法，將OLAP和Apriori算法結(jié)合運(yùn)用于實(shí)際的系統(tǒng)開發(fā)中，提升了數(shù)據(jù)運(yùn)算效率，拓寬了數(shù)據(jù)運(yùn)用的范圍，運(yùn)用決策分析智能化的目標(biāo)性，做到了整體化提升科研成果和決策的實(shí)用性。兩種技術(shù)的同時(shí)應(yīng)用到一個(gè)系統(tǒng)中，有一定的理論與實(shí)際創(chuàng)新性。數(shù)據(jù)挖掘技術(shù)需要更加深入的與科研管理進(jìn)行融合，開發(fā)出更加有價(jià)值的，能在更短的時(shí)間內(nèi)挖掘更多數(shù)據(jù)信息的應(yīng)用平臺(tái)。