基于社会网络FOAF数据集的关联规则挖掘

Question

我正在做一个名为“从社交网络数据中发现关联规则:将数据挖掘引入语义网”的项目。有没有人能推荐一个好的算法源码(以及它的代码。我听说它可以使用Perl和R包实现)来从社交网络数据库中查找关联规则？

可以在以下链接中获取数据库的快照：https://docs.google.com/uc?id=0B0mXGRdRowo1MDZlY2Q0NDYtYjlhMi00MmNjLWFiMWEtOGQ0MjA3NjUyZTE5&export=download&hl=en_US

该数据集可通过以下链接获得：http://ebiquity.umbc.edu/get/a/resource/82.zip

我已经搜索了很多关于这个项目，但不幸的是还没有找到有用的东西。下面的链接我发现有些相关：

犯罪数据：http://www.computer.org/portal/web/csdl/doi/10.1109/CSE.2009.435

我们将非常感谢您的帮助。

谢谢,

Answer 1

这比http://en.wikipedia.org/wiki/Association_rule_learning有点宽，但希望有用。

一些可能有趣的早期FOAF工作(SVD/PCA等)：

http://stderr.org/~elw/foaf/ http://www.scribd.com/doc/353326/The-Social-Semantics-of-LiveJournal-FOAF-Structure-and-Change-from-2004-to-2005 http://datamining.sztaki.hu/files/snakdd.pdf

此外，http://www.amazon.com/Understanding-Complex-Datasets-Decompositions-Knowledge/dp/1584888326的第4章致力于针对图形数据结构的矩阵分解技术的应用；强烈推荐。

最后，Apache Mahout是大规模数据挖掘、机器学习等的自然选择，https://cwiki.apache.org/MAHOUT/dimensional-reduction.html

Answer 2

最初的关联规则算法(最初是在IBM Almaden研究中心开发的)最广泛使用的实现是Apriori，特别是Christian Borgelt的C实现。

(对于那些不熟悉关联规则(也称为“频繁项目集”或“市场篮子分析”)的人来说，这是一个简短的总结。关联规则的原型应用程序正在分析消费者交易，例如，超市数据:在购买波兰香肠的购物者中，也购买黑面包的购物者占多大比例？)

我推荐这个统计平台，R.它是免费和开源的，它的软件包存储库包含(至少)四个专门针对关联规则的库，所有这些库都有出色的文档--四个软件包中的三个包括手册和单独的Vignette (带有代码示例的非正式散文文档)。无论是手册还是小插曲都包含了大量的R代码示例。

我已经使用了下面四个包中的三个，我可以强烈推荐这三个包。其中包括Eclat和Apriori的绑定。这些库以R 'Packages‘的形式分发，可在R的主包存储库CRAN上获得。R的基本安装和设置很简单--上面的链接提供了适用于Mac、Linux和Windows的二进制文件。同样，软件包安装/集成就像您在集成平台上所期望的那样简单(尽管下面列出的四个软件包中并不是每个操作系统都有二进制文件)。

因此，在CRAN上，你会发现这些包都是完全定向的关联规则：

• arulesNBMiner
• arulesSequences

这组四个R包包括四个不同关联规则实现的R绑定，以及一个可视化库。

第一个包arules包含用于Eclat和Apriori的R绑定。第二个，arulesNBMiner，是Michael Hahsler的关联规则算法NB-frequent itemsets by的绑定。第三个是arules序列，是Mohammed Zaki的cSPADE的绑定。

其中最后一个特别有用，因为它是一个可视化库，用于绘制前三个包的输出。对于您的社交网络研究，我怀疑您会发现图形可视化--即节点(数据集中的用户)和边(它们之间的连接)的显式可视化。

Answer 3

如果你想要一些Java代码，你可以在我的website上找到SPMF软件。它提供了超过45种算法的源代码，用于频繁项集挖掘、关联挖掘、序列模式挖掘等。

此外，它不仅提供了最流行的算法。它还提供了许多变体，如挖掘稀有项集、高效用项集、不确定项集、非冗余关联规则、闭合关联规则、间接关联规则、top-k关联规则等。