多數(shù)據(jù)源中局部模式挖掘研究

林耀進， 胡學鋼

（1.合肥工業(yè)大學 計算機與信息學院，安徽 合肥 230009；2.漳州師范學院 計算機科學與工程系，福建 漳州 363000）

0 引 言

隨著網(wǎng)絡通信技術與分布式數(shù)據(jù)庫技術的不斷發(fā)展與應用，連鎖經(jīng)營的大型企業(yè)所屬的子公司數(shù)量不斷增加，大型企業(yè)一般將數(shù)據(jù)庫存放在相應的子公司，總公司在數(shù)據(jù)匯總分析時，需要數(shù)據(jù)挖掘系統(tǒng)能夠對不同子公司數(shù)據(jù)庫的情況采取相應策略，從而涉及多數(shù)據(jù)源挖掘問題。因此，有效地從多數(shù)據(jù)源中提取有用的信息為各種決策提供服務是數(shù)據(jù)挖掘領域的一個研究熱點。

多數(shù)據(jù)源挖掘是一項艱巨的任務，主要面臨以下困難：① 數(shù)據(jù)格式的異構性。現(xiàn)實中如云計算環(huán)境下的數(shù)據(jù)結構存在多樣性，同時數(shù)據(jù)庫中也可能存在噪聲，因此，在挖掘前需要對數(shù)據(jù)進行預處理。② 數(shù)據(jù)庫容量過大。多數(shù)據(jù)源挖掘不僅面臨多個局部數(shù)據(jù)庫，而且存在局部數(shù)據(jù)庫容量過大的情況，利用并行技術進行挖掘需要對硬件和軟件進行升級，耗資過大。③ 數(shù)據(jù)隱私性。局部數(shù)據(jù)庫提供原始數(shù)據(jù)進行全局挖掘，有可能導致數(shù)據(jù)隱私的泄露。因此，設計一套合適有效的多數(shù)據(jù)源挖掘方法需要對實際應用進行分析。

多數(shù)據(jù)源挖掘存在于多個研究領域中，許多學者針對不同的實際需求，給出了相應的挖掘技術。為解決全局查詢無法直接查詢異構數(shù)據(jù)源問題，文獻［1］提出將全局查詢分解為針對異構數(shù)據(jù)源子查詢的解決方案；文獻［2］針對相同應用背景下多數(shù)據(jù)源模式的集成問題進行了研究，提出一種基于用戶使用信息的多模式集成方法；文獻［3］給出了 WoRLD（Worldwide Relational Learning Daemon）系統(tǒng)，該系統(tǒng)利用傳播活動從網(wǎng)絡中分布的多數(shù)據(jù)源進行歸納學習；文獻［4］為了減少從多數(shù)據(jù)源中搜索信息的時間，根據(jù)相關應用對數(shù)據(jù)庫進行了劃分，使搜索信息更有針對性，且降低了搜索時間；為了從分布式數(shù)據(jù)庫中挖掘定量關聯(lián)知識，文獻［5］提出了一種從分布式數(shù)據(jù)源中挖掘自適應的比例規(guī)則；文獻［6］通過設定時間窗口，挖掘與事件序列發(fā)生時間有關的多領域序列模式；文獻［7］提出了基于局部模式分析的多數(shù)據(jù)源挖掘方法，局部模式分析方法是指根據(jù)局部數(shù)據(jù)庫提供的局部規(guī)則進行合成以產(chǎn)生全局規(guī)則，并不需要將局部數(shù)據(jù)庫中的數(shù)據(jù)進行集成后統(tǒng)一挖掘，降低了挖掘時間、減輕了對硬件設備的依賴、保護了數(shù)據(jù)的隱私性，是一種有效的多數(shù)據(jù)源挖掘方法；文獻［8］從多數(shù)據(jù)源劃分、模式合成等方面對基于局部模式分析的多數(shù)據(jù)源挖掘方法進行了分析與改進。目前，對于多數(shù)據(jù)源模式挖掘，主要可歸類為傳統(tǒng)數(shù)據(jù)挖掘方法、并行技術挖掘方法與局部模式分析挖掘方法等3種方法。

傳統(tǒng)的數(shù)據(jù)挖掘方法［7］是將所有局部數(shù)據(jù)庫的數(shù)據(jù)集成到單一數(shù)據(jù)庫，采用Apriori、FP－growth等傳統(tǒng)算法進行挖掘。該方法雖能有效地提取有趣的全局模式，但存在以下缺點：① 局部數(shù)據(jù)庫之間存在數(shù)據(jù)特征不一致性，如格式差異、數(shù)據(jù)沖突等；② 集成后的數(shù)據(jù)庫容量太大，對計算機軟硬件要求較高；③ 無法挖掘局部模式，不能為子公司制定決策；④ 數(shù)據(jù)隱私性，子公司可能不愿提供原始數(shù)據(jù)。

并行技術挖掘方法［9－10］利用并行技術將挖掘任務分布在大量相連的計算機上，能夠很好地對分布于不同位置的數(shù)據(jù)庫進行挖掘。但是，并行技術挖掘存在著對軟硬件要求較高，面臨隱私泄露、數(shù)據(jù)異構難以挖掘等問題。另外，傳統(tǒng)的數(shù)據(jù)挖掘方法不能在并行技術環(huán)境中使用。

文獻［11－13］根據(jù)大型連鎖超市需要從所有子公司的交易數(shù)據(jù)庫提取全局模式以制定全局決策的需求，設計了僅依靠局部數(shù)據(jù)庫提供局部模式就可以獲取全局模式的方法，稱之為局部模式分析法。局部模式分析法解決了傳統(tǒng)數(shù)據(jù)挖掘方法和并行技術方法所面臨的問題，其具體流程如圖1所示。該方法有效地保護了數(shù)據(jù)隱私性，降低了數(shù)據(jù)量，獲得的模式可以為子公司和總部提供決策。

圖1 局部模式分析多數(shù)據(jù)源挖掘流程

1 多數(shù)據(jù)源的劃分

數(shù)據(jù)源之間由于存在著主題不一致、數(shù)據(jù)格式不同、數(shù)據(jù)的組織結構多樣性等差異，所以對多數(shù)據(jù)源進行挖掘之前必須對數(shù)據(jù)進行預處理，其中，為了降低從大量數(shù)據(jù)源中搜索數(shù)據(jù)所需的時間以及減少對全局決策沒有價值的數(shù)據(jù)，需要對多數(shù)據(jù)源進行劃分，文獻［14－15］討論了與應用相關的多數(shù)據(jù)源劃分方法，所提出的方法有效地縮減了大數(shù)據(jù)集的容量，但是在沒有額外信息情況下，劃分效果不佳；文獻［16］針對數(shù)據(jù)共享環(huán)境多數(shù)據(jù)源選擇問題，基于Pareto最優(yōu)理論提出了多數(shù)據(jù)源選擇方法，該方法有效地縮小了搜索空間；文獻［17］針對事務數(shù)據(jù)庫，提出了一種有效獨立于應用的數(shù)據(jù)庫劃分方法，其主要思想為：如果2個事務數(shù)據(jù)庫擁有大量相同的數(shù)據(jù)項，則2個數(shù)據(jù)庫相似程度較高。

多數(shù)據(jù)源劃分問題描述為：給定m個來自于不同子公司的數(shù)據(jù)源，即 D＝｛D1，D2，…，Dm｝，根據(jù)數(shù)據(jù)源之間的相似性，設計搜索最優(yōu)劃分的有效算法對D中m個數(shù)據(jù)源進行劃分。由此可以看出，有效的數(shù)據(jù)源之間相似性的度量方式能夠對數(shù)據(jù)源更精確地劃分。目前，存在以下幾種度量數(shù)據(jù)源相似性的方法。

（1）根據(jù)數(shù)據(jù)源所包含相同數(shù)據(jù)項的度量方法［17］，其公式為：

其中，Items（Di）為數(shù)據(jù)源Di擁有數(shù)據(jù)項的集合；｜·｜為集合的基數(shù)，下同。

（2）根據(jù)數(shù)據(jù)源得到模式所包含相同數(shù)據(jù)項的度量方法［17－19］，有3種情形，其公式為：

其中，Si為數(shù)據(jù)源Di產(chǎn)生的模式；Items（Si）為Si模式集合中所有數(shù)據(jù)項的集合。

其中，sim3（Di，Dj，α）為滿足支持度α下數(shù)據(jù)源Di與Dj的相似度度量方法；FIS（Di）表示從數(shù)據(jù)源Di提取滿足支持度為α的頻繁項集數(shù)量。

其中，sup p（X，Di）為頻繁項集X在數(shù)據(jù)源Di中的支持度。

文獻［18］對（1）式、（2）式進行詳細分析，指出擁有大量相同數(shù)據(jù)項的數(shù)據(jù)源，其相似程度并不一定高，認為對多數(shù)據(jù)源進行知識提取時要考慮數(shù)據(jù)源的特性，該特性取決于其頻繁項集，因為頻繁項集反映了顧客的購買行為，即反映了數(shù)據(jù)源的特點，因此提出了（3）式和（4）式2種度量方法。由（4）式可看出，度量方法更加合理，因為每個頻繁項集的支持度可以被認為其在數(shù)據(jù)源中的權重，（3）式度量方法認為頻繁項集的權重都為1，而（4）式選取兩數(shù)據(jù)源共有的頻繁項集的最小支持度作為分子，最大支持度作為分母，更加合理地度量數(shù)據(jù)源之間的相似性。

在度量完數(shù)據(jù)源之間相似性后，設計一種對多數(shù)據(jù)源搜索最優(yōu)劃分的算法，其步驟為：

（1）給定閾值α，對數(shù)據(jù)源進行劃分，即

其中，d與d′滿足α相關；D為所有數(shù)據(jù)源集合；classα為兩兩之間相似度大于α的數(shù)據(jù)源集合。

根據(jù)以上劃分過程，文獻［17］設計了相應的算法，其中GreedyClass算法對數(shù)據(jù)源進行劃分，BestClassification算法從所有劃分中尋找最優(yōu)劃分。雖然該方法能很好地劃分數(shù)據(jù)源，但GreedyClass算法的時間復雜度為O（n2m2＋m4），其中n為數(shù)據(jù)源中項的個數(shù)，m為數(shù)據(jù)源的數(shù)量。隨著數(shù)據(jù)源數(shù)量的增加，該算法顯得低效。為此，文獻［19］設計一種新的數(shù)據(jù)劃分算法completeclass，將時間復雜度降低至O（m3）。

2 有趣模式研究

相對于傳統(tǒng)地將局部數(shù)據(jù)庫匯總到統(tǒng)一數(shù)據(jù)庫中進行挖掘的方法，基于局部模式分析的多數(shù)據(jù)源挖掘不僅挖掘單個數(shù)據(jù)源得到局部模式，而且綜合局部模式得到全局模式，有效地為各級決策提供依據(jù)。另外，對局部私有數(shù)據(jù)的安全性、局部數(shù)據(jù)源的完整性和獨立性也起到了保護作用。有趣模式發(fā)現(xiàn)問題描述如下。

給定m個來自于不同子公司的數(shù)據(jù)源，即D1，D2，…，Dm，LIi表示從局部數(shù)據(jù)源Di中獲取的模式集，本問題在從所有局部模式（∪LIi）中發(fā)現(xiàn)有趣的模式。文獻［7］將多數(shù)據(jù)源中的模式分為以下5種：

（1）局部模式，即子公司數(shù)據(jù)源中挖掘出來的模式。

（2）高選票模式，指大部分子公司數(shù)據(jù)源共有的模式與規(guī)律，總公司可依據(jù)該模式制定維護大多數(shù)子公司的共同利益的經(jīng)營策略。

（3）例外模式，指在個別數(shù)據(jù)庫中具有較高的支持度，而在其他數(shù)據(jù)庫中具有零支持度（即不被其他數(shù)據(jù)庫支持）的模式，總公司可因地制宜為少數(shù)公司制定相應的決策策略。

（4）推薦模式，該模式的選票率小于給定的最小選票率，但又很接近最小選票率，有時這類模式對決策很有用。

（5）全局模式，指將所有局部數(shù)據(jù)庫合成一個全局數(shù)據(jù)庫，再從全局數(shù)據(jù)庫挖掘出的模式。

由于例外模式比其他4種模式在信用卡欺詐檢測、公司經(jīng)營決策等方面具有更重要的作用，為了從局部模式中尋找有趣的例外模式，文獻［20］提出了2種例外模式興趣度量方法，分別為：

（1）第1種興趣度量，即

其中，voting（rj）為模式rj的選票率（包含模式rj數(shù)據(jù)庫的數(shù)量與所有數(shù)據(jù)庫數(shù)量之比）；average（VR）為所有模式的平均選票率。該度量主要用來度量模式rj在所有數(shù)據(jù)庫中的支持率。

（2）第2種興趣度量，即

其中，sup pi，j為模式rj在數(shù)據(jù)庫Di的支持度；minsup pi為所有模式在數(shù)據(jù)庫Di中最低的支持度。該度量主要用來度量模式rj在數(shù)據(jù)庫Di的支持度。

根據(jù)上述2種度量方法的定義可知，若一個模式同時滿足 EPI（r）≥ min EP與 RIi（r）≥min EPsup，其中min EP、min EPsup 為 用戶 自定義的2個閾值，則該模式稱為例外模式。（7）式從投票率對模式進行度量，（8）式從支持度對模式進行度量，當面對多數(shù)據(jù)源容量大小不一致時，若模式在數(shù)據(jù)源容量低的支持率高，在數(shù)據(jù)源容量高的投票率低，從銷售經(jīng)營角度看，該模式為例外模式，但是并沒有很大的經(jīng)濟價值，因此，在挖掘例外模式時，還需要考慮局部數(shù)據(jù)源的權重。

除了以上5種模式外，一些學者根據(jù)實際應用需要，從不同角度挖掘其他模式。在多數(shù)據(jù)源環(huán)境下，不同子公司擁有不同的商品捆綁銷售策略，并且策略隨時間不斷改變，文獻［21］提出了一種在多數(shù)據(jù)源環(huán)境中自動抽取關聯(lián)模式，該關聯(lián)模式包含商品銷售的地點與時間。文獻［22］根據(jù)不同時間段將數(shù)據(jù)庫劃分成多個時間相關數(shù)據(jù)庫，并利用協(xié)方差統(tǒng)計支持度隨時間基本穩(wěn)定不變的數(shù)據(jù)項，在不同時間數(shù)據(jù)庫中挖掘銷售量密切相關的模式，為公司提供商品銷售策略。

3 局部模式合成算法

根據(jù)局部數(shù)據(jù)庫挖掘出的模式，對全局模式進行近似求解，一方面避免了將所有局部數(shù)據(jù)庫合在一起存在數(shù)據(jù)庫容量過大、隱私竊密等問題，另一方面，局部數(shù)據(jù)庫中提取的模式對公司總部來說，有些模式是冗余的，有些模式是重要的，因此，下面研究各種局部模式合成方法（也稱為對全局模式進行近似求解）。另外，局部模式合成得到的模式的支持度、置信度應與傳統(tǒng)方法在全局數(shù)據(jù)庫得到的模式近似。

局部模式合成方法問題的描述如下：存在m個主題相關的局部數(shù)據(jù)庫為D1，D2，…，Dm，每個局部數(shù)據(jù)庫擁有相應的滿足一定條件的模式集LI1，LI2，…，LIm，稱為局部模式，綜合局部模式LI1，LI2，…，LIm進行全局分析是問題的關鍵。

針對來源于局部數(shù)據(jù)庫的高頻繁模式，文獻［12］提出了一種基于權重的RuleSynthesizing算法，其時間復雜度為O（n4×max NosRules×totalRules2），其中n、max NosRules、totalRules分別表示數(shù)據(jù)庫的個數(shù)、從不同局部數(shù)據(jù)庫中所提取的最多模式數(shù)、不同數(shù)據(jù)庫中所有模式總數(shù)。算法主要過程如下。

（1）計算相應模式的權重，公式為：

其中，WRi為模式Ri的權重；Num（Ri）為擁有模式Ri的數(shù)據(jù)庫總數(shù)。

（2）依據(jù)每條模式的權重，計算局部數(shù)據(jù)庫的權重，公式為：

其中，WDi為數(shù)據(jù)庫Di的權重；Si為數(shù)據(jù)庫Di包含的所有模式集。

（3）計算合成模式的支持度與置信度，公式為：

（4）對合成方法的效果進行度量，有2種度量方式。

最大誤差法：

平均誤差法：

文獻［23］認為，局部模式合成方法［12］是基于各局部數(shù)據(jù)庫的容量大小基本一致的假設，然而現(xiàn)實中，數(shù)據(jù)庫之間的大小有可能差異較大，所以提出了一種基于事務的數(shù)量的高頻繁模式合成方法，其中，模式權重的計算公式為：

其中，｜Dj｜為數(shù)據(jù)庫Dj包含的事務總數(shù)；Num（Ri，Dj）為擁有模式Ri的數(shù)據(jù)庫總數(shù)。

文獻［24］認為局部模式分析挖掘方法是挖掘多數(shù)據(jù)源的一種近似方法，在模式的合成過程中，更多的局部模式會提高合成模式的質(zhì)量，據(jù)此，提出一種ACP Coding方法對局部模式進行壓縮，降低支持度與置信度，以選擇更多局部模式。文獻［25］認為在一個數(shù)據(jù)庫中所顯示的顧客購買行為趨勢也存在數(shù)據(jù)庫中，并將這種數(shù)據(jù)庫稱為實時數(shù)據(jù)庫，于是，提出了一種從不同實時數(shù)據(jù)庫中合成 重 關 聯(lián) 模 式 的 Association－Rule－Synthesis算法，主要采納了更多的高頻繁模式。與Rule－Synthesizing算法［12］相比，文獻［25］的算法具有以下幾個優(yōu)點：① 時間復雜度低，max｛O（（M＋N）×lg（M＋N）），O（n×（M＋N））｝，其中，N，M分別為從n個數(shù)據(jù)庫中獲取的模式總數(shù)、推薦模式總數(shù)；② 平均錯誤率較低；③ 該算法能識別重關聯(lián)模式的類型。文獻［26］將多數(shù)據(jù)源挖掘分為廣義與狹義2種，廣義多數(shù)據(jù)源挖掘是指采用局部模式分析方法識別有趣的局部模式，然后對局部模式進行合成；狹義多數(shù)據(jù)源挖掘是指針對如實時多數(shù)據(jù)源、選取與決策有關的數(shù)據(jù)項等特殊應用的挖掘。因此，文獻［26］提出基于PFT（Pipelined Feedback Technique）技術的多數(shù)據(jù)源挖掘方法，結果表明該方法能對大容量局部數(shù)據(jù)庫進行挖掘。

上述多數(shù)據(jù)源挖掘方法并未考慮局部數(shù)據(jù)源之間數(shù)據(jù)的關系，從而造成從局部數(shù)據(jù)源中合成的全局模式是不完備的，文獻［27］提出了一種基于核估計的非線性方法處理不同數(shù)據(jù)源中數(shù)據(jù)的關系，該方法具有以下優(yōu)點：① 發(fā)現(xiàn)的模式不僅是局部有趣的，而且是全局有趣；② 不同的數(shù)據(jù)庫分配不同的權重；③ 利用屬性對數(shù)據(jù)庫進行劃分，極大地減少了內(nèi)存需求；④ 有效地保護了數(shù)據(jù)隱私。

以上研究均是圍繞A→B的正關聯(lián)規(guī)則形式進行的，現(xiàn)實中存在形如A→?B，?A→B，?A→?B的負關聯(lián)規(guī)則，文獻［28］提出了一種能夠同時挖掘正關聯(lián)規(guī)則和負關聯(lián)規(guī)則的算法，以傳統(tǒng)的Apriori算法挖掘頻繁項集中的正關聯(lián)規(guī)則和非頻繁項集中的負關聯(lián)規(guī)則。文獻［29－30］探討了在多數(shù)據(jù)中挖掘負關聯(lián)規(guī)則的方法，提出了負關聯(lián)規(guī)則合成方法，利用負規(guī)則的選票率解決正規(guī)則與負規(guī)則間的沖突，并討論了多數(shù)據(jù)源中時態(tài)負關聯(lián)規(guī)則的提取方法。

4 總結與展望

本文詳細地討論了多數(shù)據(jù)源研究背景，分析了該問題所涉及的研究內(nèi)容，并對已有的研究成果進行了詳細介紹。多數(shù)據(jù)源挖掘主要包括數(shù)據(jù)庫聚類、提取有用的局部模式及對局部模式進行合成等3個方面，可以從這3個方面深入提高挖掘效率的方法。

本文所提到的數(shù)據(jù)庫為事務數(shù)據(jù)庫，而現(xiàn)實中，數(shù)據(jù)庫是多樣化的，存在結構化、半結構化、非結構化等不同結構的數(shù)據(jù)庫，而且涉及如數(shù)據(jù)隱私、測試代價及時態(tài)等問題，本文認為未來的研究方向主要有以下幾個方面：

（1）數(shù)據(jù)挖掘過程中保護數(shù)據(jù)隱私是個重要問題［31－32］，如病人健康記錄、用戶行為記錄等涉及個人隱秘的信息，簡單地刪除用戶姓名、地址等字段并不能有效隱藏個人隱私。將來隨著應用的需要，更多的隱私保護挖掘算法將會出現(xiàn)在隱私敏感多數(shù)據(jù)源中。

（2）生物信息學［33－34］的最新發(fā)展使人們可以獲得不同的數(shù)據(jù)庫，如用mRNA和miRNA概述內(nèi)容、生物信號傳導途徑和基因注釋等，多數(shù)據(jù)源的有效結合豐富了生物相關的樣例與基因知識。

（3）序列模式挖掘能夠發(fā)現(xiàn)模式之間的時態(tài)關系［35－37］，在實際應用中，存在主題相同的多序列數(shù)據(jù)庫，如在用信用卡支付衣服、書籍的購買及飲食消費等過程中，人們在購買時尚雜志后可能購買相關的服裝，這就需要從多序列數(shù)據(jù)庫尋找有關的序列模式。

［1］李柳青，馮志勇，劉 超.基于多源異構數(shù)據(jù)的查詢分解算法［J］.計算機工程，2010，36（23）：56－58.

［2］丁國輝，王國仁，趙宇海.基于使用信息和聚類方法的多模式集成［J］.計算機研究與發(fā)展，2010，47（5）：824－831.

［3］Aronis J M，Kolluri V，Buchanan F J，et al.The WoRLD：Knowledge discovery from multiple distributed databases［C］／／Proceedings of 10th International Florida AI Research Symposium，1997：337－341.

［4］Liu H，Lu H J，Yao J.Identifying relevant databases for multi database mining［C］／／PAKDD，1998：210－221.

［5］Yan J，Liu N，Yang Q，et al.Mining adaptive ratio rules from distributed data sources［J］.Data Mining and Knowledge Discovery，2006，12（2／3）：249－273.

［6］Peng W C，Liao Z X.Mining sequential patterns across multiple sequence databases［J］.Data ＆ Knowledge Engineering，2009，68（10）：1014－1033.

［7］Zhang S C，Zhang C Q，Wu X D.Knowledge discovery in multiple databases［M］.New York：Springer，2004：110－120.

［8］Adhikari A，Rao R R，Pedrycz W.Developing multi－database mining applications［M］.New York：Springer，2010：78－92.

［9］Agrawal R，Shafer J.Parallel mining of association rules［J］.IEEE Transactions on Knowledge and Data Engineering，1996，8（6）：962－969.

［10］Parthasarathy S，Zaki M J，Ogihara M，et al.Parallel data mining for association rules on shared－memory systems［J］.Knowledge and Information Systems，2001，1（1）：1－29.

［11］Zhang S C，Wu X D，Zhang C Q.Multi－database mining［J］.IEEE Computational Intelligence Bulletin，2003，3（1）：5－13.

［12］Wu X D，Zhang S C.Synthesizing high－frequency rules from different data sources［J］.IEEE Transactions on Knowledge and Data Engineering，2003，15（2）：353－367.

［13］Zhang C Q，Liu M L，Nie W L，et al.Identifying global exceptional patterns in multi－database mining［J］.IEEE Computational Intelligence Bulletin，2003，3（1）：19－24.

［14］Zhong N，Yan Y，Ohsuga S.Peculiarity oriented multi－database mining［C］／／Proceedings of PKDD’99，1999：136－146.

［15］Liu H，Lu H J，Yao H.Toward multi database mining：identifying relevant databases［J］.IEEE Transactions on Knowledge and Data Engineering，2001，13（4）：541－553.

［16］汪曉慶，鄭彥興，史美林.一種有效的數(shù)據(jù)共享環(huán)境多數(shù)據(jù)源選擇算法［J］.軟件學報，2008，19（2）：314－322.

［17］Wu X D，Zhang S C，Zhang C Q.Database classification for multi－database mining［J］.Information System，2005，30（1）：71－88.

［18］Adhikari A，Rao P R.Efficient clustering of databases induced by local patterns［J］.Decision Support Systems，2008，44（4）：925－943.

［19］Li H，Hu X G，Zhang Y M.An improved database classification algorithm for multi－database mining［C］／／FAW 2009，LNCS 5598，2009：346－357.

［20］Zhang S C，Zhang C Q，Yu J X.An efficient strategy for mining exceptions in multi－databases［J］.Information Sciences，2004，165（1）：1－20.

［21］Chen Y L，Tang K，Shen R J，et al.Market basket analysis in a multiple store environment［J］.Decision Support System，2005，40（2）：339－354.

［22］Adhikari J，Rao P R，Adhikari A.Clustering items in different data sources induced by stability［J］.The International Arab Journal of Information Technology，2009，6（4）：394－402.

［23］Ramkumar T，Srinivasan R.Modified algorithms for synthesizing high－frequency rules from different data sources［J］.Knowledge and Information System，2008，17（2）：313－334.

［24］Adhikari A，Rao P R.Enhancing quality of knowledge synthesized from multi－database mining［J］.Pattern Recognition Letters，2007，28（16）：2312－2324.

［25］Adhikari A，Rao P R.Synthesizing heavy association rules from different real data sources［J］.Pattern Recognition Letters，2008，29（1）：59－71.

［26］Adhikari A，Ramachandrarao R，Prasad B，et al.Mining multiple large data sources［J］.The International Arab Journal of Information Technology，2010，7（3）：241－249.

［27］Zhang S C，You X F，Jin Z，et al.Mining globally interesting patterns from multiple databases using kernel estimation［J］.Expert Systems with Application，2009，36（8）：10863－10869.

［28］Wu X D，Zhang C Q，Zhang S C.Efficient mining of both Positive and negative association rules［J］.ACM Transactions on Information Systems，2004，22（3）：381－405.

［29］Shang S J，Dong X J，Geng R N，et al.Mining negative association rules in multi－database［C］／／Fifth International Conference on Fuzzy Systems and Knowledge Discovery，2008：596－599.

［30］尚世菊，懂祥軍，趙 龍.多數(shù)據(jù)源中的負關聯(lián)規(guī)則挖掘技術及發(fā)展趨勢［J］.計算機工程，2009，35（5）：61－63.

［31］Bhaskar R，Laxman S，Smith A.Discovering frequent patterns in sensitive data［C］／／KDD’2010，Washington，DC，2010：37－42.

［32］Wu X D，Kumar V，Quinlan J R，et al.Top 10algorithms in data mining［J］.Knowledge and Information Systems，2008，14（1）：1－37.

［33］Lu H C，Shi C C，Wu G W，et al.Integrated analysis of multiple data sources reveals modular structure of biological networks［J］.Biochemical and Biophysical Research Communications，2006，345（2）：302－309.

［34］Zhao Z，Wang J X，Liu H.Identifying biologically relevant genes via multiple heterogeneous data sources［C］／／KDD’08，Las Vegas，Nevada，USA，2008：24－28.

［35］Kum H C，Chang J H，Wang W.Sequential pattern mining in multi－databases via multiple alignment［J］.Data Mining and Knowledge Discovery，2006，12（2／3）：151－180.

［36］Chen Y L，Wu S Y，Wang Y C.Discovering multi－label temporal patterns in sequence databases［J］.Information Sciences，2011，181（2）：398－418.

［37］張 晶，張 斌，胡學鋼.基于領域知識的冗余關聯(lián)規(guī)則消除算法［J］.合肥工業(yè)大學學報：自然科學版，2011，34（2）：246－250.