目录
1.实验综述1
2.实验原理1
2.1Apriori算法原理2
2.2Apriori算法性能3
3.实验环境搭建及运行3
3.1Gutenburg数据集的模式挖掘3
3.2DBLP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
4.1Sentence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（GutenBergDBLP），对每个数据集进行了多个问题多个角度的研究探讨。