基于關聯(lián)規(guī)則挖掘的關聯(lián)檢索建議模型

1、基于關聯(lián)規(guī)則挖掘的關聯(lián)檢索建議模型0 引 言用戶使用百度搜索引擎的時候，都會留意到搜索引擎能夠提供一種稱為相似搜索;建議的服務。當用戶因輸入的關鍵詞不夠準確而無法檢索到所需要的資料時，相似搜索服務會給出建議的關鍵詞，引導用戶進行有效檢索。相似搜索服務建議的關鍵詞都是包含用戶關鍵詞的一系列擴展短語。很多時候，用戶缺乏背景知識，對搜索意圖（關鍵詞）無法準確描述，相似搜索無法給出用戶想要的結(jié)果?；诖?，本文將開展關聯(lián)規(guī)則挖掘技術的研究，通過統(tǒng)計大量用戶的搜索行為數(shù)據(jù)，挖掘關鍵詞中存在的關聯(lián)，并對用戶輸入的關鍵詞給出關聯(lián)建議，引導用戶進行有效檢索。1關聯(lián)規(guī)則挖掘關聯(lián)規(guī)則挖掘【1】采用關聯(lián)算法查找數(shù)據(jù)集

2、中的不同屬性之間的相關性。設I是項的集合，關聯(lián)規(guī)則是形如 的蘊涵式，其中 ， ， ，擁有支持度support和置信度confidence，即：，（1）在此定義，同時滿足最小支持度閾值和最小置信度閾值的規(guī)則即可稱為強規(guī)則。關聯(lián)規(guī)則的規(guī)范表示為：其中，R是取值范圍；x是變量，在R上取值；Pm （m=1，2，…，i）和Qn （n=1，2，…，j）是謂詞變量，作為任務相關數(shù)據(jù)的一部分說明的相關屬性或維；uv （v=1，2，…，r）和tw （w=1，2，…，l）是對象變量，在關于x的謂詞上取值；s是規(guī)則的支持度，c是規(guī)則的置信度，均取百分比值。例如

3、，一個典型的關聯(lián)規(guī)則如（3）式所示：該規(guī)則表示，同時購買計算機游戲和影碟的人占顧客總數(shù)的40%；在購買計算機游戲的顧客中又購買影碟的概率是66%。為簡化表示，將（3）式簡化表示為計算機游戲 影碟 ;。2關聯(lián)檢索建議與百度搜索引擎提供的相似搜索建議;服務不同，本文提出的是關聯(lián)檢索建議;服務。關聯(lián)檢索建議;預先通過計算大量關鍵詞之間的關聯(lián)度，當用戶輸入關鍵詞進行搜索時，系統(tǒng)根據(jù)用戶輸入的關鍵詞，查找與其存在強關聯(lián)的關鍵詞（不一定語意相近），作為檢索建議，由此引導用戶進行有效檢索。尤其用戶缺乏背景知識，對搜索意圖（關鍵詞）無法準確描述時，關聯(lián)檢索建議;模型可利用其它用戶的搜索知識，給用戶提供與當前關

4、鍵詞存在一定關聯(lián)的其它內(nèi)容方面的檢索建議。3模型設計3.1模型總體架構(gòu)模型總體架構(gòu)【2】如圖1所示。系統(tǒng)收集用戶檢索時產(chǎn)生的關鍵詞，并經(jīng)過數(shù)據(jù)清洗操作，產(chǎn)生干凈的符合要求的數(shù)據(jù)，把該數(shù)據(jù)按照一定的格式存放在數(shù)據(jù)庫中。關聯(lián)規(guī)則挖掘器使用關聯(lián)挖掘算法，從數(shù)據(jù)庫中讀取關鍵詞數(shù)據(jù)，進而提取一系列的關鍵詞關聯(lián)規(guī)則。導航器則根據(jù)關聯(lián)規(guī)則為用戶提出檢索建議，引導用戶進行更有效和針對性的檢索。圖1 模型總體架構(gòu)Fig.1 General framework model3.2挖掘模型設計研究將用戶每一次的檢索過程看作是一個事務記錄。每個事務記錄包含若干個用戶檢索產(chǎn)生的關鍵詞組；而同一個事務記錄里的關鍵詞之間則不

5、分先后次序。具體來說，關鍵詞數(shù)據(jù)是以事務記錄為單位，且存儲在數(shù)據(jù)庫中。關聯(lián)規(guī)則即挖掘模型從數(shù)據(jù)庫中讀取經(jīng)過清洗的干凈數(shù)據(jù)。數(shù)據(jù)的格式如表1所示，表中各行代表一個事務記錄。表1 事務數(shù)據(jù)Tab.1 Transaction dataTID關鍵詞數(shù)據(jù)1關聯(lián)規(guī)則挖掘，防火墻聯(lián)動2SQL Server，VB，信息管理3女性，綜合素質(zhì)，就業(yè)，偉人4余世偉，MBA.關聯(lián)規(guī)則挖掘分兩步進行：（1）找出所有頻繁項集（2）由頻繁項集產(chǎn)生強關聯(lián)規(guī)則每個關鍵詞，可將其稱作項;，兩個或兩個以上的關鍵詞構(gòu)成項集;。關聯(lián)規(guī)則挖掘的第一步，即找出在所有事務中出現(xiàn)次數(shù)達到某一數(shù)值的項集，而將這些項集稱為頻繁項集，并將該數(shù)值稱為

6、最小支持度計數(shù)。產(chǎn)生頻繁項集的一個高效快速的算法是FP-增長算法，目前已有人在FP-增長算法基礎上提出可以實現(xiàn)增量更新的算法【3】。進一步地，當前研究也已表明：相對來說，由頻繁項集產(chǎn)生強關聯(lián)規(guī)則是較為簡單的。4模型應用4.1關聯(lián)規(guī)則解釋關聯(lián)規(guī)則挖掘器將挖掘得到一系列的關聯(lián)規(guī)則，部分關聯(lián)規(guī)則如表2所示。對于規(guī)則1，有0.35%的低支持度，說明很少人檢索該方面內(nèi)容；但卻有100%的置信度，說明該類用戶每次檢索關聯(lián)規(guī)則挖掘資料時，將必然檢索防火墻聯(lián)動方面的資料。又如規(guī)則3，有7.80%的高支持度，說明較多用戶都在檢索有關女性、綜合素質(zhì)以及就業(yè)問題；另有70.25%的較高置信度則說明用戶在檢索女性和綜

7、合素質(zhì)方面資料的同時，較多人也會進一步檢索并了解有關女性綜合素質(zhì)對就業(yè)、偉人等影響的文獻資料。表2 部分關聯(lián)規(guī)則Tab.2 Association rules序號關聯(lián)規(guī)則支持度置信度1關聯(lián)規(guī)則挖掘 防火墻聯(lián)動0.35%100.00%2SQL Server，VB 信息管理1.74%90.00%3女性，綜合素質(zhì) 就業(yè)，偉人7.80%70.25%4MBA 余世偉1.39%67.41%挖掘器挖掘出來的關聯(lián)規(guī)則存放到數(shù)據(jù)庫中，供導航器參考使用。當用戶進入檢索頁面輸入關鍵詞檢索資料時，導航器實時將依據(jù)用戶輸入的關鍵詞，在關聯(lián)規(guī)則庫中查找和匹配，找出所有包含有用戶關鍵詞的關聯(lián)規(guī)則，相應地給出檢索建議。例如，

8、當用戶要檢索有關MBA;資料時，系統(tǒng)查找到規(guī)則4滿足要求，并給出余世偉;的檢索建議。當然不是所有規(guī)則都有價值，只有強關聯(lián)規(guī)則才是用戶感興趣的內(nèi)容。系統(tǒng)管理員可以設定最小支持度閾值和最小置信度閾值，以篩選獲取用戶所需的強規(guī)則。4.2業(yè)務應用（1） 用戶檢索興趣分析。關聯(lián)檢索建議模型首先收集大量用戶檢索的關鍵詞，這些關鍵詞反映用戶檢索的興趣和需求。收集和分析用戶需求有助于理解當前用戶的需求，以便搜索引擎提供更有針對性、及實用性的的搜索服務。（2）提供關聯(lián)檢索建議。關聯(lián)檢索建議模型提供的是一種關聯(lián)搜索建議服務，只要關鍵詞之間存在一定的關聯(lián)，模型就會給出與關鍵詞關聯(lián)的搜索建議，引導用戶進行更為有效的規(guī)

9、范化科學檢索。（3） 圖書采購決策支持。圖書采購將在相當程度上決定一個圖書館館藏書目的質(zhì)量和閱讀可能性。將關聯(lián)規(guī)則挖掘應用到圖書檢索系統(tǒng)上即可統(tǒng)計出當前大部分讀者檢索的內(nèi)容，并且可以進一步計算出哪些內(nèi)容之間是存在關聯(lián)的。因此，關聯(lián)規(guī)則挖掘可以作為圖書采購人員的決策支持的現(xiàn)實應用范例，從而更準確、合理地采購到讀者真正需要的圖書。5結(jié)束語 DyLW.neT本文討論了利用關聯(lián)規(guī)則挖掘統(tǒng)計分析用戶檢索的關鍵詞，計算關鍵詞間的關聯(lián)度，最后給出關聯(lián)檢索建議，引導用戶進行更有效檢索。關聯(lián)規(guī)則挖掘分析用戶檢索興趣，可以為后續(xù)研究進行更深層次的用戶行為挖掘【6】。參考文獻【1】 Jiawei Han， Micheline Kamber. Data Mining Con-cepts and Techniques. Beijing： Higher Education Press， 2001：227-242.【2】 錢智勇.基于數(shù)據(jù)挖掘的重點學科專題知識庫開發(fā).圖書館，2004（3）：50-53.【