基于关联规则挖掘研究学科间相关性

doi:10.11925/infotech.1003-3513.2005.03.06

现代图书情报技术

2005, Vol. 21

Issue (3): 23-28 https://doi.org/10.11925/infotech.1003-3513.2005.03.06

图书馆自动化

本期目录 | 过刊浏览 | 高级检索

基于关联规则挖掘研究学科间相关性

王昊

（南京大学信息管理系南京 210093）

Research on Relativity between Subjects Based on Association Rule Mining

Wang Hao

（Information Management Department of Nanjing University，Nanjing 210093，China）

摘要
参考文献
相关文章
Metrics

全文:
输出: BibTeX | EndNote (RIS)

摘要

应用关联规则挖掘方法从中文社会科学引文索引（CSSCI）数据库提供的论文引用情况中挖掘关联规则，进而探讨社会科学各学科间相关性问题。本文首先介绍关联规则的基本概念；然后对所需数据进行整理，并从三个角度考虑，分别计算频繁项目的支持度与置信度，得到三个关联规则表；最后对得到的关联规则进行分析，得出结论。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：数据挖掘, 关联规则, CSSCI, 学科间相关性, 频繁项目集

Abstract：

This article discusses relativity between subjects of social science based on association rule mining data from information of paper citing in CSSCI. The article introduces basic concepts about association rule at first; then disposals data, calculates supports and confidences of frequent items and infers association rules tables from three points of view; in the end analyses inferred association rules and draws conclusions.

Key words： Data mining Association rule CSSCI Relativity between subjects Frequent item set

收稿日期: 2004-09-14 出版日期: 2005-03-25

TP311.131

通讯作者: 王昊 E-mail: ywhaowang810710@sina.com.cn

作者简介: 王昊

引用本文:

王昊. 基于关联规则挖掘研究学科间相关性[J]. 现代图书情报技术, 2005, 21(3): 23-28.
Wang Hao. Research on Relativity between Subjects Based on Association Rule Mining. New Technology of Library and Information Service, 2005, 21(3): 23-28.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2005.03.06 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2005/V21/I3/23

1邓更，唐恒永. 高校科研决策支持系统中关联规则挖掘的应用. 沈阳师范大学学报（自然科学版），2004（1）：7--11
2刘君强，孙晓莹，潘云鹤. 关联规则挖掘技术研究的新进展. 计算机科学，2004（1）：110-113
3王猛，王景光，李延霞. 相关性分析在关联规则挖掘中的应用. 统计与信息论坛，2004（1）：38-39
4王小玉，王亚东，冯丽. 关联规则的挖掘. 信息技术，2003（1）：55-57
5陈霄凯，黄志强. 关联规则挖掘算法的分析与研究. 微机发展，2003（4）：73-75
6袁军鹏，朱东华. 基于Apriori算法的多循环关联规则挖掘综述. 计算机科学，2004（1）：114-117
7张新霞，王耀青. 基于统计相关性的兴趣关联规则的挖掘. 计算机工程与科学，2003（3）：60-62
8Chen L, Bhowmick SS, Chia LT. Mining association rules from structural deltas of historical XML documents. LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 3056: 452-457 2004
9Srikumar，Krishnamoorthy， Bhasker，Bharat. Efficiently mining Maximal Frequent Sets in dense databases for discovering association rules. Intelligent Data Analysis, 2004,8(2)：171, 12
10Zhang CQ, Zhang SC. Association rule mining - Models and algorithms - Introduction. LECTURE NOTES IN ARTIFICIAL INTELLIGENCE 2307: 1+ 2002

[1]	谢旺, 王丽珍, 陈红梅, 曾兰清. 基于空间序偶模式挖掘污染源与癌症病例的关系 ^*[J]. 数据分析与知识发现, 2021, 5(2): 14-31.
[2]	李铁军,颜端武,杨雄飞. 基于情感加权关联规则的微博推荐研究*[J]. 数据分析与知识发现, 2020, 4(4): 27-33.
[3]	魏伟,郭崇慧,邢小宇. 基于语义关联规则的试题知识点标注及试题推荐^*[J]. 数据分析与知识发现, 2020, 4(2/3): 182-191.
[4]	黄名选,卢守东,徐辉. 基于加权关联模式挖掘与规则后件扩展的跨语言信息检索 ^*[J]. 数据分析与知识发现, 2019, 3(9): 77-87.
[5]	张勇,李树青,程永上. 基于频次有效长度的加权关联规则挖掘算法研究 ^*[J]. 数据分析与知识发现, 2019, 3(7): 85-93.
[6]	陆泉,朱安琪,张霁月,陈静. *中文网络健康社区中的用户信息需求挖掘研究^——以求医网肿瘤板块数据为例**[J]. 数据分析与知识发现, 2019, 3(4): 22-32.
[7]	牟冬梅,法慧,王萍,孙晶. 基于结构方程模型的疾病危险因素研究^*[J]. 数据分析与知识发现, 2019, 3(4): 80-89.
[8]	何跃, 丰月, 赵书朋, 马玉凤. 基于知乎问答社区的内容推荐研究——以物流话题为例[J]. 数据分析与知识发现, 2018, 2(9): 42-49.
[9]	李勇男. 贝叶斯理论在反恐情报分类分析中的应用研究^*[J]. 数据分析与知识发现, 2018, 2(10): 9-14.
[10]	牟冬梅, 王萍, 赵丹宁. 高维电子病历的数据降维策略与实证研究^*[J]. 数据分析与知识发现, 2018, 2(1): 88-98.
[11]	何跃, 王爱欣, 丰月, 王莉. 基于关联规则的门诊药房布局优化[J]. 数据分析与知识发现, 2018, 2(1): 99-108.
[12]	胡忠义, 王超群, 吴江. 融合多源网络评估数据及URL特征的钓鱼网站识别技术研究^*[J]. 数据分析与知识发现, 2017, 1(6): 47-55.
[13]	江思伟, 谢振平, 陈梅婕, 蔡明. 混合特征数据的自解释归约建模方法^*[J]. 数据分析与知识发现, 2017, 1(12): 92-100.
[14]	魏星, 胡德华, 易敏寒, 朱启贞, 朱文婕. 基于数据立方体挖掘疾病-基因-药物新关联^*[J]. 数据分析与知识发现, 2017, 1(10): 94-104.
[15]	黄名选. 基于矩阵加权关联模式的印尼中跨语言信息检索模型^*[J]. 数据分析与知识发现, 2017, 1(1): 26-36.

Viewed

Full text

Abstract

Cited

Shared

Discussed