目录
1. 实验综述 1
2. 实验原理 1
2.1 Apriori算法原理 2
2.2 Apriori算法性能 3
3. 实验环境搭建及运行 3
3.1 Gutenburg数据集的模式挖掘 3
3.2 DBLP数据集 3
4. 实验结论 -- GutenBerg -- 林肯演讲集：挖掘常用词共同出现 4
4.1 Sentence模式：以句子作为Basket进行挖掘 4
4.2 推广！Paragraph模式：以段落作为Basket进行挖掘 8
4.3 推广！选取多个最小支持度 11
5. 实验结论 -- DBLP -- 论文团队与主题 12
5.1 问题描述及数据集选取 12
5.2 任务1 -- 寻找活跃支持者 13
5.3 任务2 -- 寻找团队 13
5.4 任务3 -主题与团队 13
6. 算法性能分析 14
6.1 针对Sentence模式的时间复杂度实证研究 14
6.2 效率改进--多支持度 14
7. 试验总结 15
1.实验综述
关联分析常常用于从大规模数据库中寻找元素的隐含关系，是数据仓库中数据挖掘的最常用的方法。本实验旨在实 现基本的数据挖掘算法（Apriori算法），选取部分数据集数据进行挖掘。在探寻数据隐含关系的同时，试图评估数 据挖掘算法的性能和特性。
本报告主要包括以下部分：
1.实验原理（包括算法详细描述、算法特点等）
2.实验环境搭建（数据集的选取、挖掘的问题、编程环境简述）
3.实验发现
4.算法性能分析
本报告的核心亮点：
1.实现了Apriori算法，并对算法效率进行了实证性研究，应用了潜在解决方案。
2.进行了多粒度的数据挖掘（选取了句子和段落作为两种篮子，并比较二者区别）。
3.探索了多个支持度值的应用可能。
4.进行了多数据集的应用（GutenBerg &&DBLP），对每个数据集进行了多个问题多个角度的研究探讨。
