1、數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過(guò)算法發(fā)現(xiàn)隱藏于其中信息的過(guò)程。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的重要研究及應(yīng)用領(lǐng)域，近幾年，許多學(xué)者對(duì)關(guān)聯(lián)規(guī)則挖掘做了大量的研究，關(guān)聯(lián)規(guī)則主要用于發(fā)現(xiàn)數(shù)據(jù)庫(kù)中不同屬性或者不同數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)關(guān)系。隨著“大數(shù)據(jù)”時(shí)代的到來(lái)，人們也越來(lái)越關(guān)注對(duì)關(guān)聯(lián)規(guī)則的研究。本文在前人的基礎(chǔ)上，進(jìn)行了一些關(guān)于提高關(guān)聯(lián)規(guī)則挖掘算法性能和功能完善的研究工作。
　　本文首先總結(jié)了關(guān)聯(lián)規(guī)則挖掘算法的研究成果，分析了AIS、Apriori、

2、FP-Growth等算法的實(shí)現(xiàn)方式以及特點(diǎn)，通過(guò)對(duì)經(jīng)典算法的分析為提出性能更優(yōu)、更易實(shí)現(xiàn)的挖掘算法做好理論方面的準(zhǔn)備。本文提出基于數(shù)據(jù)垂直分布的深度優(yōu)先關(guān)聯(lián)規(guī)則挖掘算法DS-Eclat(Directed Segmenting-Eclat)，采用關(guān)聯(lián)矩陣描述數(shù)據(jù)項(xiàng)間的關(guān)聯(lián)關(guān)系，并利用關(guān)聯(lián)矩陣約束候選項(xiàng)集的產(chǎn)生；同時(shí)，采用深度優(yōu)先的挖掘模式，提高生成K-頻繁項(xiàng)集的效率。該算法另一個(gè)創(chuàng)新點(diǎn)在于對(duì)數(shù)據(jù)進(jìn)行有向分割，并通過(guò)連接得到最大頻繁項(xiàng)集。該

3、算法利用布爾矩陣存儲(chǔ)頻繁項(xiàng)集支持集，減小了內(nèi)存開(kāi)銷，而且改進(jìn)算法不需要對(duì)數(shù)據(jù)庫(kù)進(jìn)行多次掃描，大幅降低了系統(tǒng)I/O的負(fù)載，同時(shí)也減少了候選項(xiàng)集的產(chǎn)生。
　　依據(jù)關(guān)聯(lián)規(guī)則，實(shí)現(xiàn)了DS-Eclat算法在圖書(shū)館管理系統(tǒng)中的應(yīng)用。對(duì)各類圖書(shū)之間的關(guān)聯(lián)規(guī)則進(jìn)行挖掘，實(shí)驗(yàn)結(jié)果表明各類圖書(shū)之間具有關(guān)聯(lián)性，并得出五類(即C、I、O、P及T)具有強(qiáng)關(guān)聯(lián)性的圖書(shū)。通過(guò)挖掘讀者及借閱圖書(shū)之間內(nèi)在的關(guān)聯(lián)性，可以指導(dǎo)配置圖書(shū)館資源，提高館藏利用率，進(jìn)而提高圖