，可運(yùn)用現(xiàn)有挖掘工具進(jìn)行挖掘。因此，步驟S3在實(shí)際操作上容易建立。
[0090] 當(dāng)k〉l，在重建Ak支持度時需用到Ak的各種長度子項(xiàng)目集的支持度之和。在實(shí)際 操作中，每一個k-項(xiàng)目集Ak有k個計數(shù)器，分別累計長度為1，2,...，化-1)的所有子項(xiàng)目 集的支持度之和。在步驟S33中重建Ak的支持度后，可將Ak的支持度累加到關(guān)聯(lián)集合F中 所有Ak的superset用來累計k-項(xiàng)目子集支持度的計數(shù)器中。
[0091] 本實(shí)施例所述的保護(hù)原交易數(shù)據(jù)集關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法獲取的支持度可W 通過兩個指標(biāo)來評估該支持度。一個是supporterror,-個是identityerror。在本實(shí)施 例中，使用IBMAlma化nResearchCenter所開發(fā)的人工數(shù)據(jù)集生成器，產(chǎn)生交易數(shù)100k的 數(shù)據(jù)集，每組數(shù)據(jù)集包括300個不同的項(xiàng)目，交易的最大長度為30。參數(shù)設(shè)定方面，minsup 采用0.5%或0.25%。添加的干擾交易量為100K或500k。
[0092] (l)suppo;rterror
[009引 Wf表示重建的頻繁項(xiàng)目集里真正的頻繁項(xiàng)目集所構(gòu)成的集合，fk表示F中k-項(xiàng) 目集的集合。SupportError計算fk中的項(xiàng)目集其重建后的支持度與真正的支持度的平均 差距，定義如下：
[0094]
公式做
[0095] (2)identityerror
[0096] WR代表重建的頻繁項(xiàng)目集所構(gòu)成的集合，F(xiàn)代表真正的頻繁項(xiàng)目集所構(gòu)成的集 合，Rk、Fk分別表示R、F中k-項(xiàng)目集的集合。IdentityError衡量R的錯誤率，包含0^/與 兩分布，定義如下：
[0099] 運(yùn)兩個指標(biāo)將對各個長度的項(xiàng)目集分別計算。
[0100] 表 1:N= 100K，L= 100K，minsup= 0. 25% 的執(zhí)行結(jié)果
[0101]
[0105] 表1與表1為在不同的minsup下的執(zhí)行結(jié)果，可w看出minsup較大時的p較小。 運(yùn)種影響在項(xiàng)目數(shù)較少的項(xiàng)目集中，比較明顯。而當(dāng)項(xiàng)目數(shù)為5W上時，運(yùn)種變化較小。同 時，從表1. 1和1. 2可W看出，方案對項(xiàng)目數(shù)較少的項(xiàng)目集影響較大。
[0106] 表3:N=100K，L= 500K，minsup= 0.25%的執(zhí)行結(jié)果
[0107]
[010引表1. 1與表1. 3表示添加不同的干擾交易數(shù)的結(jié)果。理論上，添加的干擾交易越 多，干擾數(shù)據(jù)集中的k-項(xiàng)目集的支持度越趨近7^對支持度重建的影響越小。實(shí)驗(yàn)結(jié)果表 明，1、2-項(xiàng)目集的變化并不明顯，3、4、5-項(xiàng)目集有一定影響。因?yàn)楸?中添加的干擾交易 數(shù)針對1-項(xiàng)目集、2-項(xiàng)目集已足夠多。而當(dāng)項(xiàng)目數(shù)較多時，運(yùn)種影響又會弱化。
[0109] 本實(shí)施例所述的保護(hù)原交易數(shù)據(jù)集關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法通過添加干擾項(xiàng)目 和干擾交易，既具有良好的隱私保護(hù)效果，同時也能挖掘出真正有用的數(shù)據(jù)關(guān)聯(lián)規(guī)則，給商 業(yè)應(yīng)用帶來積極效果。
[0110] 實(shí)施例二
[0111] 本實(shí)施例提供一種保護(hù)原交易數(shù)據(jù)集關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘系統(tǒng)1，請參閱圖5,顯 示為保護(hù)原交易數(shù)據(jù)集關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘系統(tǒng)的原理結(jié)構(gòu)示意圖。如圖5所示，所述保 護(hù)原交易數(shù)據(jù)集關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘系統(tǒng)1包括：數(shù)據(jù)集轉(zhuǎn)換模塊11、推導(dǎo)模塊12、及挖掘 模塊13。
[0112] 所述數(shù)據(jù)集轉(zhuǎn)換模塊用于根據(jù)預(yù)制加入干擾策略將所述原交易數(shù)據(jù)集D轉(zhuǎn)換 為授權(quán)數(shù)據(jù)集D'。在本實(shí)施例中，設(shè)交易項(xiàng)目集合I是由交易項(xiàng)ik構(gòu)成的集合，1 = (ii，i2,is,…，im}，k大于等于1，小于等于m;設(shè)原交易數(shù)據(jù)集為D是由n筆交易化構(gòu)成的 集合，D=化，〇2, …，D。}中包括n個交易項(xiàng)目，交易數(shù)為N，交易的最大長度為m，i表示 交易化中交易項(xiàng)目數(shù)，i小于等于m。請參閱圖6,顯示為數(shù)據(jù)轉(zhuǎn)換模塊的原理結(jié)構(gòu)示意圖。 在本實(shí)施例中所述數(shù)據(jù)集轉(zhuǎn)換模塊11包括：干擾項(xiàng)目添加單元111、干擾交易單元112、及 轉(zhuǎn)換單元113。
[0113] 所述干擾項(xiàng)目添加單元111用于添加干擾項(xiàng)目，從集合I-Dk中隨機(jī)選取m-i個交 易項(xiàng)添加至每一筆交易化中，使所述每一交易Dk的交易長度達(dá)到mW形成加入干擾項(xiàng)目后 的交易數(shù)據(jù)集Ti。
[0114] 與所述干擾項(xiàng)目添加單元111的所述干擾交易單元112用于執(zhí)行干擾交易，從交 易項(xiàng)目集合I選取m個交易項(xiàng)ik作為干擾交易的項(xiàng)目W形成加入的干擾交易數(shù)據(jù)集T2。
[0115] 與所述干擾項(xiàng)目添加單元111和干擾交易單元112連接的轉(zhuǎn)換單元113用于將 加入干擾項(xiàng)目后的交易數(shù)據(jù)集Ti和加入的干擾交易數(shù)據(jù)集T2形成所述授權(quán)數(shù)據(jù)集DS即 D'=TiUT2,所述授權(quán)數(shù)據(jù)集D'的交易數(shù)為N+L。所述授權(quán)數(shù)據(jù)集D'中所有交易項(xiàng)的 交易長度均為m，且所述授權(quán)數(shù)據(jù)集D'既包括干擾項(xiàng)目，又包括干擾交易，具有較好的隱私 保護(hù)效果。
[0116] 與所述數(shù)據(jù)集轉(zhuǎn)換模塊11連接的推導(dǎo)模塊12用于推導(dǎo)所述原交易數(shù)據(jù)集D中各 項(xiàng)目集在原交易數(shù)據(jù)集D的支持度S。將干擾加入數(shù)據(jù)集后，接下來便是如何從運(yùn)些已加入 干擾的數(shù)據(jù)集中求出各項(xiàng)目集，即k個交易項(xiàng)組成的各項(xiàng)目集或子交易數(shù)據(jù)集Ak在原交易 數(shù)據(jù)集D中的支持度S。請參閱圖7,顯示為推導(dǎo)模塊的原理結(jié)構(gòu)示意圖。如圖7所示，所 述推導(dǎo)模塊包括：提取單元121、第一計算單元122、推導(dǎo)單元123。
[0117] 所述提取單元121用于從所述原交易數(shù)據(jù)集D中提取由k個交易項(xiàng)組成的項(xiàng)目集 或子交易數(shù)據(jù)集Ak，Ak在所述原交易數(shù)據(jù)集D中的支持度記為S，Ak在所述授權(quán)數(shù)據(jù)集D'中 的支持度記為S'。
[0118] 與所述提取單元121連接的第一計算單元122用于計算加入干擾項(xiàng)目后的交易數(shù) 據(jù)集Ti中Ak的支持度S1。在本實(shí)施例中，所述第一計算單元122計算支持度Si的具體計 算過程如下：
[0119] 在所述加入干擾項(xiàng)目后的交易數(shù)據(jù)集Ti中，對于加入干擾項(xiàng)目的個數(shù)不小于k的 交易，其由原來完全不支持Ak變成完全支持Ak的概率Pk按照公式1. 1來計算。在本實(shí)施 例中，該交易完全不支持項(xiàng)目集Ak是指該項(xiàng)目集Ak內(nèi)的所有項(xiàng)目均未出現(xiàn)在該交易中，該 交易完全支持項(xiàng)目集Ak是指該項(xiàng)目集Ak內(nèi)的所有項(xiàng)目均出現(xiàn)在該交易中。
[0120]
公式（1)
[0121] 其中，
Ni為所述原交易數(shù)據(jù)集D中交易長度為i的交易數(shù)。公式（1) 假設(shè)加入干擾項(xiàng)目個數(shù)不小于k的所有交易和加入干擾項(xiàng)目個數(shù)不小于k且原本不支持Ak的所有交易，其原交易在各長度的分布比相同。在本步驟中，加入干擾項(xiàng)目后的交易數(shù)據(jù)集 T沖Ak的支持度Si，其中，Si與S關(guān)系可由公式似表示：
[0122]
公式似
[012引其中，i是從0到k-1，0 ,表示項(xiàng)目集或子交易數(shù)據(jù)集Ak的所有j項(xiàng)子項(xiàng)目集或 子交易數(shù)據(jù)集支持度總和。
[0124] 所述第一計算單元122還用于計算加入的干擾交易數(shù)據(jù)集T2中Ak的支持度S2。 在本實(shí)施例中，所述第一計算單元122計算支持度S2的具體計算過程如下：
[01巧]由于加入的干擾交易數(shù)據(jù)集T2中交易的生成方式為從n個項(xiàng)目中隨機(jī)選取m個 項(xiàng)目，加入的干擾交易數(shù)據(jù)集T2中Ak的支持度S2由公式做估算出。
[0126]
公式（3)
[0127] 與所述提取單元121和第一計算單元122連接的所述推導(dǎo)單元123用于根據(jù)預(yù)制 計算方式推導(dǎo)出各項(xiàng)目集在所述原交易數(shù)據(jù)集D中的支持度S。由于所述授權(quán)數(shù)據(jù)集D'由 加入干擾項(xiàng)目后的交易數(shù)據(jù)集Ti和加入的干擾交易數(shù)據(jù)集T2組成，S'為Ak在所述授權(quán)數(shù) 據(jù)集D'中的支持度，S'與Si、S2的關(guān)系由公式（4)表示
[012引（N+L)XS' =NXSi+LXSz 公式（4)
[0129]將公式（2)和公式（3)代入公式（4)，得到通過預(yù)制計算公式（5)獲取到各項(xiàng)目集 或子交易數(shù)據(jù)集Ak在所述原交易數(shù)據(jù)集D中的支持度。
[0130]
公式巧）
[0131] 與所述數(shù)據(jù)集轉(zhuǎn)換模塊11和推導(dǎo)模塊12連接的挖掘模塊13用于根據(jù)各項(xiàng)目集 或子交易數(shù)據(jù)集在所述原交易數(shù)據(jù)集中的支持度挖掘出所述授權(quán)數(shù)據(jù)集中的頻繁項(xiàng)目集 W挖掘所述原交易數(shù)據(jù)集中數(shù)據(jù)關(guān)聯(lián)規(guī)則。請參閱圖8,顯示為挖掘模塊的原理結(jié)構(gòu)示意 圖。如圖8所示，所述步驟挖掘模塊13包括：第二計算單元131、查找單元132、循環(huán)處理單 元133、判斷單元134、剔除單元135、及輸出單元136。
[0132] 所述第二計算單元131用于根據(jù)所述原交易數(shù)據(jù)集D中頻繁項(xiàng)目集的第一最小支 持度計算所述授權(quán)數(shù)據(jù)集D'中的第二最小支持度；在本實(shí)施例中具體描述了所述挖掘模塊 13如何從加入干擾后的授權(quán)數(shù)據(jù)集D'中挖掘出存在于原交易數(shù)據(jù)集D中的頻繁項(xiàng)目集。 由于所述授權(quán)數(shù)據(jù)集D'中存在干擾交易，所述原交易數(shù)據(jù)集D中真正的頻繁項(xiàng)目集在授 權(quán)數(shù)據(jù)集中的第二最小支持度minsup'已不再試真正的頻繁項(xiàng)目集在所述原交易數(shù)據(jù)集D 中的第一最小支持度minsup，對于任意的k項(xiàng)