隐私保护的关联规则挖掘在商务智能中的应用研究

论文摘要

随着网络贸易的飞速发展,越来越多的企业迫切需要高效、精确、安全地收集分析数据,挖掘出潜在的商机,在激烈的现代竞争中出奇制胜。面对大量分布零散、无法集中处理的数据信息和企业对信息集中整合利用的迫切需求,商务智能由此应运而生。本文分析了商务智能的研究现状,针对商务智能中的关联规则挖掘技术展开了深入研究,重点研究了多层次的关联规则挖掘和隐私保护的关联规则挖掘,以完善商务智能分析决策的准确性和安全性。本文主要内容如下:(1)针对商务智能系统的安全性和智能性问题展开深入分析,综述了商务智能、商务智能的数据挖掘技术和商务智能的隐私保护技术的研究现状。(2)介绍了商务智能的相关概念、体系结构、工作流程等,商务智能对于客户关系管理的作用,分析了商务智能系统的关键技术,重点研究了数据挖掘的相关理论和技术。(3)介绍了关联规则的基本概念、性质以及经典的Apriori算法,然后重点介绍了正负关联规则和多层关联规则,针对正负关联规则可以挖掘低频率、强相关规则,但同时也会产生大量冗余无趣规则的问题,把多最小支持度和正负关联规则相结合,提出了基于多最小支持度的正负关联规则方法。通过实例分析和仿真验证说明了该方法不仅可以得到很多有意义的负关联信息,同时剔除了大量无意义的规则,减少了搜索空间。针对多层关联规则中交叉层规则挖掘的问题,把粒度和多层关联规则相结合,给出一个计算简单的基于粒度的多层关联规则挖掘方法。通过实例分析和仿真验证说明了该方法不仅可以挖掘低频的低层规则和高频的高层规则间的信息,同时也去除了“祖先”规则中包含的冗余子规则。(4)介绍了当前隐私保护技术,特别是隐私保护关联规则挖掘技术,并针对商务智能研究需要多数据库联合分析产生的隐私保护问题,把安全多方计算应用于多层关联规则挖掘中,并给出了实例、仿真分析与理论证明。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 商务智能的研究现状
• 1.2.2 商务智能中数据挖掘的研究现状
• 1.2.3 隐私保护关联规则挖掘的研究现状
• 1.3 存在的主要问题
• 1.4 本文的研究工作及章节安排
• 第2章 商务智能
• 2.1 商务智能概述
• 2.1.1 商务智能的内涵
• 2.1.2 商务智能的理论框架及工作流程
• 2.1.3 商务智能中的客户关系管理
• 2.2 商务智能中的关键技术
• 2.2.1 数据仓库技术
• 2.2.2 OLAP 技术
• 2.2.3 数据挖掘技术
• 2.3 本章小结
• 第3章 商务智能中的关联规则挖掘
• 3.1 关联规则
• 3.1.1 关联规则的基本概念
• 3.1.2 关联规则挖掘技术
• 3.1.3 关联规则类型
• 3.1.4 关联规则算法Apriori
• 3.2 正负关联规则
• 3.2.1 正负关联规则算法的提出
• 3.2.2 正负关联规则算法的基本概念
• 3.2.3 正负关联规则算法
• 3.3 改进的正负关联规则算法
• 3.3.1 问题的提出
• 3.3.2 问题的分析
• 3.3.3 基于多最小支持度的正负关联规则挖掘
• 3.3.4 实例分析及仿真验证
• 3.4 多层关联规则
• 3.4.1 多层关联规则的描述
• 3.4.2 多层关联规则的基本概念
• 3.5 改进的多层关联规则
• 3.5.1 问题的提出
• 3.5.2 问题的分析
• 3.5.3 基于粒度的多层次关联规则挖掘
• 3.5.4 实例分析及仿真验证
• 3.6 本章小结
• 第4章 商务智能中的隐私保护关联规则挖掘
• 4.1 隐私保护技术
• 4.1.1 数据扰乱技术
• 4.1.2 安全多方计算方法
• 4.1.3 K-匿名技术
• 4.1.4 不经意传输方法
• 4.1.5 隐私保护技术的性能评估
• 4.2 隐私保护的关联规则挖掘
• 4.2.1 数据挖掘中的隐私保护问题
• 4.2.2 隐私保护的关联规则挖掘分类
• 4.3 商务智能中的隐私保护多层关联规则挖掘
• 4.3.1 问题的提出
• 4.3.2 问题的分析
• 4.3.3 隐私保护的多层关联规则挖掘
• 4.3.4 实例验证及仿真分析
• 4.3.5 理论分析
• 4.4 本章小结
• 结论
• 致谢
• 参考文献
• 作者简介
• 攻读硕士学位期间发表的论文和参加科研情况