一类表间多层次关联规则挖掘算法研究

管　ＶｏＩ＿１６．Ｎｏ　２　理　Ｓ－　程　学　报　２００２年第２期　Ｊｏｕｒｎａｌ　ｏｆ　ｌｎｄｕｓｗｉａｌ　ＥｎｇｉｎｅｅｒｉｎｇＪＥｎｇｉｎｅｅｒｉｎｇ　Ｍａｎａｇｅｍｅｎｔ　一类表间多层次关联规则挖掘算法研究　张玉林　，　仲伟俊。，　梅妹娥。　（１东南大学经济管理学院，江苏南京２１００９６；２，杨州大学税务学院，江苏杨卅ｌ　２２５００２）　摘要：关联规则采掘是数据挖掘曩其直用研究中的重要内容之一　奉文提出了多表间多概盘多层农关联规　则挖掘问题　研完了相关的挖掘算法，对所提出的葬击进行了初步分析　该算法应用于某营销经理信息系统的关　联规则挖掘　获得的结果表明算法是实用和有效的　关键词：数据挖掘；关联规则；经理信．包系统　中图分类号：ｎ２４　ｌ　文献标识码：Ａ　文章编号：１００４－６０６２（２００２｝０１－００５３－０４　引言　关联规则的采掘是数据库等领域众多学者关注的热点　研究问题之一　．目前应用最为广泛的关联规则挖掘主要　，对多张表间的关联规则挖掘当然　是针对单张表进行的　用和有效的。数据挖掘的结果为满足给定支持度和置信度　的所有表间多概念多层次关联规则集。　１问题的形式化描述　如下二张关系表丁Ｉ和ｎ是从某营销信息系统中的表　经过简化而来，它们通过交易代码关键宇一一对应　销售＾　员编码以ｓ开头，紧随其后的数字码每两位一组，分别代表　该人员的部门、销售区号及在该销售区的十＾代码等，共有　可以通过先将多个表进行连接生成一张新表后，再从所得新　表进行挖掘　但这样做明显有如下不足：１）表间连接存贮空　间开销大，当原表较大时这种情况尤为明显；２）实际麻用中，　这些表的具体管理很可能在不同的部门，Ｍ管理和安全的角　度考虑，可能不允许将这些表进行连接。关于单表内关联规　层。产品代码以Ｐ开头．紧随其后的数字码也是每两位一　组．分别代表该产品的类型、型号及品牌号等，共有ｎ层。　它们的概念示意如图１所示　表１关系表丁１　则控制，许多学者做了不少研究工作，取得了很多研究成　果　’。对多表问关联规则挖掘的研究也有一些探讨　ｌ。　但对多表问多概念多层次关联规则的研究尚投有见到相关　的研究报道。　我们知道在实际进行数据库设计时，为优化设计．常常　销售＾员编码（ｓ－ｍ）　ｓｏ】０２ｏ８　ＳＯ】０２０８　Ｓ１－啪ｌ６　交易代码（Ｔ＿ＩＤ）　【９９９ｏ３０７．００２　ｌ９９９ｏ３∞．００６　２∞０∞０　Ｏ】８　依据范式理论．将数据库分解为若干通过关键字、外关键宇　或其他　性相互关联的若干张表的有机组合。这导致ｒ许　多数据被分别存放在不同的表中。挖掘这些表Ｌ｝１蕴藏的知　识和信息，显然有重要的理论和实践意义。在许多应用场　台．关联规则的挖掘要求在多层概念上进行。如在对某营销　信息的挖掘中，发现４０％的销售＾口销售了空调，进一步还　发现８０％的０２销售区的销售人员销售的空调是２．１匹的春　兰空调后。后者虽然抽象层次较低，但提供了明确而具体的　信息，这对做好决策有进一步的帮助。　本文研究两表间多概念多层关联规则的挖掘问题，挖掘　时表间不进行连接运算，算法面向大规模数据集，数据类型　寰２美系裹Ｔ２　产品代码（Ｐ－ｍ）　变易代码（Ｔ－１Ｄ）　】９９９∞ｏ７—００２　Ｐ０】０５３０　Ｐ１＿Ｏ】０９　】９９９ｏ３ｏ７　０ｏ６　２００Ｏ０６０９＿０】８　假定为布尔类型（对不是布尔类型的数据，可以先通过一定　的方法转化为布尔类型后再进行挖掘，如对取值为连续区间　的数值型数据，可通过分段划分为等级进行转化）　基于这　些假设．文中给出了两衷间多概念多层关联规则的挖掘问题　的形式化描述，提出了相关的挖掘算｛去。谈算法直用于某营　销经理信息系统关联规则的挖掘，获得的结果表明算法是实　收捐日期：２００１．０３—０５（修改稿）　基金珂目：闵家自然科学基盅资助（６９７７４０３６）　设ＡＩ（ｋ）表示表ＴＩ中销售＾员编码属性的第　层属性　取值的集台（　＝１．－－，　），Ａ２（＾）表示表　中产品代码属　性的第ｋ层属性取值的集台（　＝ｌ，…，ｎ）。显然对表ｒ１　与咒而言，Ａ１（　）与Ａ２（＾）容易确定。如对前述表ｒ１而言，　作者简介：张玉林（【蚪一）．男．江苏　化＾．杨州大学税务学院计算机系副教授，博士生，主要从事信息系统翌数据库等的研究。　５３　维普资讯 http://www.cqvip.com

张玉林等：一类表间多层次关联规则挖掘算法研究　围ｌ相关层次概念示意田　Ａ１（１）＝｛Ｏ１，Ｉｌ，…Ｉ，Ａｌ（２】＝｛０１０２，１ｌＯ１．…Ｉ，Ａ１（３）＝　…，ｍ）是频繁的；如果项集　和ｙ中的每一个数据项的祖先　０１０２０８．０１０２０６，ｌ１０１１５．…Ｉ，等。令Ａｌ＝Ｕ　Ａｌ（　），　在相关的层次上是频繁的，在当前水平上（　ｙ）是频繁的　Ａ２＝Ｕ　Ａ２（＾）。　且　Ｙ的置信度不小于相应最小置信闽值ｍｉｎｅｏ￣ｆ—Ｔ１（　）　定义１　ｌ　ＴＩＤ（Ｔ，ｚ）＝ｉ表示表Ｔ中支持其项集ｚ的交　（ｉ＝１，…，ｍ），则称　ｊ　Ｙ是ｉ层强关联规则。　易代码的集合ｔ。　该定义要求只有高层次模式是频繁的，才考虑相应较低　定义１．２称ＩＸＩ为集合ｘ的长度（或集合ｘ的元素个　层次模式的挖掘。它避免了非频繁模式的低层后裔模式的　数）。　产生。倒如营销数据中，如果电视是频繁模式，则２０英寸电　两表间多概念多层关联规则数据挖掘就是寻找所有满　视这种低层模式将会被考虑，但是如果轿车是非频繁模式，　足给定最小支持度ｍｉｎｓｕｐ和最小置信度ｍｉｎｃｏ￣ｆ的如下模　则它的后裔如奔驰轿车模式将不进行检测。　式：　定义ｌ　５对表　１的第ｉ层次上的项集Ｘ，若满足Ｉ　ＴＩＤ　ｊ　ｒ｛（　Ｃ且ｌ，Ｙ　Ｃ．４２）或（Ｘ［Ａ２．ｙ［＾１）　（Ｔ１．　ｆ，ｐ≥ｍｉｎｓｕｐ—Ｔ１（ｉ），则称Ｘ为表间　ｌ的ｉ层频繁　其中Ｘ，　是层次属性值的集台，称之为项集。这种模　集　表　１的所有ｉ层表问频繁集的集合记为ＬＴＩ（ｉ）。　式（或规则）的古义是　ｌ与　按同值交易代码连接得到的　新表中，包古Ｘ的元组的支持度　≥ｍｉｎｓｕｐ．同时包含　与Ｙ　２　表间多概念多层次频繁集的生成算法ＭＴ—　元组的支持度／包含Ｘ的元组的支持度（即置信度ｃ）≥　—ＩＪＴ１Ｌ　ｍｉｎｃｏｎｆ。因　１和　的元组个数相同，可设Ｐ为　和　々ＬＴ１＝Ｕ　Ｉ　ＬＴ１（ｉ），ＬＴ２＝Ｕ　ＬＴ２（ｉ）．它们分别是　的元组个数。显然上述模式的支持度　＝Ｉ　ＴＩＤ（　ｌ，　）Ｉ／ｐ　或Ｉ　ＴＩＤ（亿．　）Ｉ，ｐ．置信度ｃ：Ｉ　ＴＩＤ（Ｔ１，Ｘ）ｎ　ＴＩＤ（７＇２，ｒ）Ｉ，　表　ｌ与　的所有频繁集。它们一旦确定．表间多层次关　Ｐ。儿置信度的表达式可知，我们研究的表间规则　ｊ　ｒ与　联规则很容易确定，确定算法在第３节中研究。本节我们讨　ｙｊ　的置信度是一样的。　论生成ＬＴ１和ＬＴ２的算法。　定义１　３项集Ｘ∈Ａ１．若］ｒ∈Ａ２，满足Ｉ　ｍ（　ｌ，　）　对每个表的项集ｕ额外设计二个计数域　一个用来存放　ｆ，ｐ≥ｍｉｎｓｕｐ．则称　为表间频繁集。若又有Ｉ　ｒ／Ｄ（ＴＩ．　）ｎ　项集所在的层次，　己为ｕ．１ｅｖｅｌ；另一个用来存放它的支持度，　ＴＩＤ（７＇２　Ｙ）Ｉ，Ｐ≥ｍｉｎｃｍｆｆ．则称　Ｙ为强盖联规则。　表示为ｕ　ｓｕｐｐｏｒｔ，它们可减少后续有关的计算。　引理１　若　为表间频繁集，则Ｘ的任意一个非空子集　为产生ＬＴ１（ｉ）和ＬＴ２（ｉ），参照文　中的算法．首先找到　也为表间频繁集；若　的某一个非空子集不为表间频繁集．　生成它们的超集ＣＴＩ（ｉ）和ｃ＇ｒ２（ｉ），然后利用它们生成Ⅱｌ（ｉ）　Ⅲ４　也不为表问频繁集　和ＬＴ２（ｉ）。表Ｔｌ和１２间多概念多层次频繁集的生成算法　引理是显而易见的　固而又有，如果ＸＣ＾１不是表间　ＭＴ—ＮＬ一　１ＬＴ２如下。　频繁集，则它与＾２的任意项集Ｙ，不可能产生形如　ｊ　ｙ的　算法ＭＴ—ＮＬ—ＬＴ１ＬＴ２　规则。与单表内挖掘多层关联规则类似０　，为了挖掘多表　ｌｎｐｕｔ：Ｔｌ，１２　ｍｉｎｓｕｐ—Ｔ１（ｉ：ｉ＝１．…．ｍＪ，ｍｉ￣ｕｐ—Ｔ２（ｉ：ｉ：　间多层强关联规则，一般也要在不同的层次上指定不同的最　１，－，ｎ）　小支持度和最小置信度。　Ｏｕｔｐｕｌ：　１、ＬＴ２。／＊表间多概念多层次所有频繁集＊，　定义１．４如果在第ｉ层上．项集Ｘ的支持度不小于相　Ｍｅｔｈｏｄ：　关最小支持阀值ｍｉｎｓｕｐ—ＴＩ（ｉ）　则称模式　在水平ｉ（ｉ＝ｌ，　ＣＴ！（１）＝ＡＩ（１）；，＊表Ｔ］的第１层屑性取值的集台　维普资讯 http://www.cqvip.com

Ｖ０Ｉ　Ｉ６．　．２　管理工程学报　２００２年第２期　对ｖｘ∈ＬＴＩ，ＶＹ∈ＬＩ２．判断能否产生形如ｘｊＹ或Ｙ　ＣＴ２（１］＝Ａ２（¨；／＊袁Ｔ２的第１层届性取值的集台　ｊｘ的表间多概意多层攻关联规则的依据是它们是否满足　ＬＴＩ（１）＝垂；　ＬＴ２（Ｉ）＝垂；　Ｆｏｒ　ａｌｌ　ｕ∈ＣＴ１（１）ｄｏ　Ｉ１１　ｌｅｖｅｌ＝１；　ｉｆ　ＩｒＩｌ￣（Ｔ１．Ｕ）Ｉ／ｐ≥ｒｍｎｓｕｐ—ＴＩ（Ｉ）　ＬＴ１（¨＝ＬＴＩ（Ｉ）Ｕ１１；　１１　ｓｕｐｐｏｒｔ＝ＩｒＩＯ（Ｔ］，ｕ）Ｉ／ｐ；Ｉ　Ｆｏｒ　ａｌｌ　ｕ∈ＣＴ２（Ｉ）ｄｏ　｛ｕ　Ｉ　ｅｌ　１：　ｉｆ　ＩＴｍ（Ｔ２，ｕ）Ｉ，ｐ≥ｍｉｎｓｕｐ　Ｔ２（１）　ＩＬＴ２（１）＝ＬＩ２（１）Ｕ　ｕ；　ｕ　ｓｕｐｐｏｒｔ＝Ｉ盯Ｄ（Ｔ２，ｕ）Ｉ／ｐ；　ｃａ¨ＭＴ—ＭＬ　ＡＴＩ；／＊生成表Ｔ１的非第１层的多概念　多层次频繁集＊／　ｃａｌｌ　ＭＴ　ＭＬ　ＡＴ２　／＊生成表Ｔ２的非第１层的多概念　多层次频繁集　／　ＬＴ１＝Ｕ　ⅡＩ（ｉ）；　Ｉ，Ｔ２＝Ｕ　：　ＬＴ２（　）；　其中过程ＭＴ—ＭＬ　ＡＴ１与ＭＴ—ＭＬ　ＡＬ２如下　／＊过程．ＶｉＴ　ＮＬ—ＡＴ１＊／　Ⅱ∞ｃｅｄｕｒｅ　ＭＴ　ＭＬ　ＡＴ１　Ｆｏｒ（ｉ＝２，ＬＴ１（ｉ）＝垂；ｉ≤ｎ１．ＬＴＩ（ｉ一１）≠垂；ｉ＋＋）　Ｆｏｒ　ａｌｌ　ｕ∈『ｌＴ１（ｉ—１）ｄｏ　ＩＣＴ１（ｉ）＝￣＇／ｖＥＡＩ（ｉ）．ｓｕｂｓ（ｖ，１　２＊ｆｉ—Ｉ））＝１１　置ｖ　ｌｅｖｅｌ＝ｉ；　ＬＴＩ（ｉ）＿ＩｕＩ　ｕ∈ＣＴＩ（ｉ），满足Ｉ　ＴＩＤ（Ｔ１．ｕ）Ｉ／ｐ≥　ｍｉｎｓｕｐ　ＴＩ（ｊ），置ｕ　ｓｕｐｐｏｒｔ＝ＩｒＩＯ（Ｔ］，ｕ）Ｉ／ｐＩ；　｝　／＊过程Ｍ＇ｒ　ＭＬ　ＡＴ２＊／　ｐｒｏｃｅｄｕｒｅ　ＭＴ　ＭＬ　ＡＩ２　Ｆｏｒ（ｉ＝２，ＬＴ２（ｉ）＝中；Ｉ≤ｎ，ＬＴ２（ｊ一１）≠垂；ｉ＋＋）　ｉ　Ｆｏｒ　ａｌｌ　ｕ∈ＬＴ２（ｉ一１）ｄ０　ｃＴ２（ｊ）＝ｉ　ｖ∈Ａ２（ｉ），ｓｕｂｓ（ｖ，１，２＊（ｉ一１））＝Ｕ，　置ｖ　ｌｅｖｅｌ＝ｉ｝；　ＬＴ２（１）＝；ｕ【ｕ∈ＣＴ２（１），满足【ＴＩＤ（＇２１２．ｕ１【　≥　ｍｉ￣ｕｐ　１＂２（ｉ）　置ｕ　ｓｕｐｐｏｒｔ＝ＩＴＩＤ（髓，ｕ）Ｉ　；　容易看到，计算任一张表的表间频繁集与另一张表对应　求解过程无关，故这个生成运算可并行执行　３　多表间多层次关联规则生成算法ＧＥＮ　ｈ　Ｌ　ＲＩＩＩ　ＥＳ　给定的支持度和置信度。多表问多层次关联规则的生成算　法如下：　ＧＥＮ—ＭＴＭＬ　ＲＵＬＥＳ　Ｉｎｐｕｔ：ＴＩ，ＬＴ１　Ｔ２，ＬＩ２，ｍｉｎｅｏ［Ｉｆ　ＴＩ（　ｍｉｎｃｏｎｆ—Ｔ２（ｉ：ｉ＝Ｉ，　Ｏｕｔｐｕｔ：表间多概念多层攻关联规则，　Ｍｅｔｈｏｄ：　Ｆｏｒ　ａｌｌ　Ｘ∈ＬＴＩ　Ｆｏｒ　ａⅡＹ∈ＬＴ２　ＩⅡ（ｘ　ｓｕｐｐｏｒｔ≥ｍｉｒ￣ｕｐ—Ｔ１（ｘ．１ｅｖｅ１））＆ｒＩｄ　（ＩＴＩＤ（Ｔ］，Ｘ）ｎ　ＴＩＤ（Ｔ２，Ｙ）／ｐ≥￣ｎｅｏｎＩ—ＴＩ（Ｘ．　１ｅｖｅ１）　ｉ输出：ｘｊＹ　ｗｉｔｈ支持度＝Ｘ．ｓｕｐｐｏｒｔ，置信度＝Ｉ　ＴＩＤ（Ｔ１，ｘ）ｎｒｌＯ（￣，Ｙ）／０￣Ｆ　Ⅱ（Ｙ　ｓｕｐｐｏｒｌ￣ｍｉｎｓｕｐ　Ｉ＂２（Ｙ　ｌｅｖｅ１））ａｎｄ　（Ｉ￣Ｄ（Ｔ１，ｘ）ｎ＂ｌｉｄ（Ｔ２，Ｙ）／ｐ≥ｍｉｎｃｏ￣ｆ—Ｔ２（Ｙ．　１ｅｖｅ１）　输出：ＹｊＸ　ｗｉｔｈ支持度＝Ｙ　ｓｕｐｐｏｒｔ，置信度＝　ＴＩｎ（Ｔ１，ｘ）ｎＴＩＤ（Ｔ２，Ｙ）／ｐ；Ｉ　窖易看出．　上算法生成的表问多概念多层次关联规　则，与将这些表按交易代码拼成一张新表进行挖掘的结果是　一致的。　４算法的应用研究　我们已尝试将算法用于某营销经理信息系统之中，在对　该系统中类似于第１节中表Ｔ１和Ｔ２进行挖掘时．发现的部　分表间多概念多层次关联规则如下：　１）（部门＝ｏ６ｊ类别＝电视机）（ｓ＝８５％，ｃ＝９５％）　２）（部门＝０６，销售区＝０５ｊ类别＝电视机，型号＝２５英　寸，品牌＝长虹）（ｓ＝　％，ｃ＝６５％）　３）（类别＝空调ｊ部　＝０６，销售区＝Ｏ９）（ｓ＝１５％、ｃ＝　９５％）　４）（类别＝空调．型号＝２　Ｉ　，品牌＝春兰ｊ部门＝０６，　销售区＝０９，销售号：１８）（ｓ＝５％．ｃ＝９０％）　规则①表明ｏ６号部门销售了大部分的电视机（支持度　＝８５％．置信度＝９５％），而ｏ６号部门正好是销售部门，这条　规则实质反映的情况与常识一致；规则②ｏ６号部门在ｏ６销　售区对２５英寸长虹电视机的销售较好，可优先保证该部门　在该地区的此种类型电视机的供应，另外可考虑在公司内部　请０６号部门介绍其在０６销售区的促销做法。显然低层次　的规则②与高层次规则①相比提供更为细致而有用的信息。　规则④与规则③相对照也有类似的结论。　很明显，这些挖掘出的层次关联规则反映了表Ｔｌ与表　髓间蕴藏的深层知识和信息．对进一步搞好营销管理有重　要的指导作用。　５５—　维普资讯 http://www.cqvip.com

张玉林等：一类表间多层次关联规则挖掘算法研究　５结束语　，３　Ｊ　ＪｉａＷｅｉ　Ｈａｎ，Ｙ￣ｇｌｉａｎ　Ｆｕ，Ｍｉｎｉｎｇ　Ｍｕｈｉｐｌｅ－Ｌｅｖｅｌ　Ａｓｓｏｃｉａｔｉｏｎ　Ｒｕｌｅ￣ｉｎ　我们在研究某营销经理信息系统时，发现研究表间多概　Ｌａｒｇｅ　Ｄａｔａｂａｓｅｓ　Ｌ　Ｊ］ＩＥＥＥ　Ｔｒｍｌ‰Ｋ￣ｗｌｅｄｓｅ　Ａｎｄ　Ｄａｔａ　Ｅｎｇｉｎｅｅｆｉｎ￣，　念多层次关联规则的挖掘有着重要的理论和实践意义。本　１９９９．（５）１１：７８９～８０５　文给出了挖掘表间多概念多层次关联规则的算法．其中的主　［４Ｊ　Ｌｉ　Ｓｈｅｎ，Ｈｏｎｇ　Ｓｈｅｔｔ，Ｌｉｎｇ　Ｃｈｅｎｇ，Ｎｅｗ　ａｌｇｏｎｔｈｒｏｓｆｏｒ　ｅｆｌ３￣ｅｎｔ　ｍｉｎｌｎｔｌ　ｏｆ　要算法ＭＴ　ＭＬ—ＬＴＩＬＴ２可并行执行，对频繁集增加的二个　—Ｌ叽【ｍＲｕｌｅ￣　Ｊ１　ＩｎｂｍｎＬ帆Ｓｃｉｅ￣．Ｉ９９９，（ＩｓＢ）　２５ｌ一硝　［５］程继华，施鹏飞．多层次关联规则有的教挖掘算法［Ｊｊ软件学　数值域节省了计算时间。所提算法的思想可用于任意多表　报，１９９８，９（Ｉ２）：９３７—９４１　间的相戋数据采掘。　［鲥胡侃，夏绍玮基于大型敷据仓库的敷据采掘：研究综述［门．软　限于篇幅和时间，对所提算法的存贮优化及效率等研究　件学报．１９９８，９（１）：５３～６３　有待进一步深＾，这里有很多工作要做，我们将在另文中进　『７　Ｊ铁治欣等采掘关联规则的高教并行算法　Ｊ］计算机研究与发　行研究　展，１９９９．３６（８）：９４８—９５３．　参考文献　［８］却之开．张广凡等．数据挖掘与知识发现：回顾与展望［】］信息　Ｌ１　Ｊ　Ｒ　Ａｇｒａｗ　ｔｔ　ａｉ　Ｍｉｎｉｎｇ　ａｓｓｏｃｉａｔｉｏｏｔａｌｅｓ　ｂｅｔｗｅｅｎ　ｓｅｔｓ　ｏｆ】ｔｅｍｓｉｎｌａｇｅｒ　与控锎，１９９９，２８（５）　３５７—３６５　ｄａｌａｂａｓｅ［ｃ］Ｐｍｃ．ＡＣＭ　ＳＩＧＭＯＤ，１９９３，２Ｏ７—２１６　［９］左万利．多表间关联规则的井行挖掘算法［Ｊ］小蛩散型计算机　ｌ２　Ｊ　Ｒ　Ａｇｍｗ　ｅｔ　ａｌ　Ｆａｓｔ　Ｍｇｏｒｔｉｈｔ￣ｆｏｒ　ｍｉｎｉｎｇ哪ｏｃｉｍＩ吼ｏｄｅｓ　ｉｎ　Ｌ　系统，１９９９，２０（８３：５７４—５７７．　ｌｃ］Ｐ　２０　ｌｎｔ’１　Ｃｏｎｆ　Ｖｅｒｙ　Ｌａｒｇｅ　Ｄａｔａｂ￣，Ｓｅｐｌ，１９９４　［１０］　仲伟使，梅蛛娥，胡晚霞经理信息系统［Ｊ］．管理科学学报，　４７８～４９９　１９９８．Ｉ（１）：８７—９２　Ａｎ　Ａｌｇｏｒｉｔｈｍ　Ｆｏｒ　Ｍｉｎｉｎｇ　Ｍｕｌｔｉ－ｌｅｖｅｌ　Ａｓｓｏｃｉａｔｉｏｎ　Ｒｕｌｅｓ　Ａｇｒｏｓｓ　Ｏｎｅ　Ｓｏｒｔ　Ｏｆ　Ｍｕｌ　－Ｔａｂｌｅｓ　ＺＨＡＮＧ　ｙｔｔ－］ｉｎ　．ＺＨＯＮＧ　Ｗｅｉ—ｉｕ力　．ＭＥＩ　Ｓｈｕ’ｅ　（１　Ｃｏｌｌｅｇｅ　ｏｆ　Ｅｃｏｎｏｍｉｃｓ　ａｎｄ　Ｍａｔ￣ａｇｅｍｅｎｔ，Ｓｏｕｔｈ　ｅａｓｔ　Ｕｍｉｖｅｒｓ啊，Ｊｉａｔｌｇｓｕ　ＮａＪｌｊｉｎｇ　２１００９６　２　Ｔａｘａｔｉｏｎ　Ｃｏｌｌｅｇｅ　Ｙａｎｇ　Ｚｈｏｕ　Ｕｍｉｖｅｒｓｉ￣＇，Ｊｉａｎｇｓｕ　Ｙａｎｇｚｈｏｕ　２２５００２ｊ　Ａｂｓｔｒａｃｔ：Ｍｉｎｉｎｇ　Ａｓｓｏｃｉａｔｉｏｎ　Ｒｕｌｅｓ　ｉｓ　ｔｈｅ　ｉｍｐｏｒｔａｎｔ　ａｓｐａｅｔｓ　ｏｆ　ｄａｔａ　ｍｉｎｉｎｇ　ａｎｄ　ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎ　Ｔｈｉｓ　ｐａｐｅｒ　ｐｕｔｓ　ｆｏｒｗａｒｄｓ　ｏｒ　ｓｏｒｔ　ｐｒｏｂｌｅｍｓ　ａｂｏｕｔ　ｍｉｎｉｎｇ　ｍｕ｜ｉｆ—ｌｅｖｅｌ　ａｓｓｏｃｉａｔｉｏｎ　ｉｕ｜ｅｓ　ａｍｏｎｇ　ｌａｂｌｅｓ，ｇｉｖｅｓ　０ｎｅ　ｍｉｎｉｎｇ　ａｌｇｏｒｉｔｈｍ，ａｎｄ　ｓｏｍｅ　ｐｒｅｌｉｍｉｎａｒｙ　ａｎａｌｙｓｉｓ　ａｂｏｕｔ　ｔｈｅ　ａ￣ｏｒｉｔｈｍ　ａｒｅ　．Ｔｈｉｓ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ｂｅｅｎ　ａｐｐｌｉｅｄ　ｉｎ　ａｓｓｏｃｉａｔｉｏｎ　ｒｕｌｅｓ　ｍｉｎｉｎｇ　ｉｎ　０ｎｅ　ｍａ＆ｅｆｉｎｇ　ＥＩＳ　ａｎｄ　ｓｈｏｗｎ　ｔｈａｔ　ｉｔ　ｉｓ　ｐｒａｃｔｉｃａｌ　ａｎｄ　ｅｆｆｅｃｔｉｖｅ．　Ｋｅｙ　ｗｏｒｄｓ：Ｄａｔａ　ｍｉｎｉｎｇ；Ａｓｓｏｃｉａｔｉｏｎ　Ｒｕｌｅｓ；ＥＩＳ　责任螭辑：张蕾　５６