Apriori算法在無線網絡數據智能挖掘中的應用

劉云萍

摘 要： 為解決傳統挖掘方法進行數據挖掘時，存在規定時間范圍內數據挖掘量少，導致挖掘效率不高的問題，提出Apriori算法在無線網絡數據智能挖掘中的應用研究。通過數據挖掘關聯規則設計、基于Apriori算法的無線網絡數據文本分類和無線網絡數據離群點智能過濾，實現無線網絡數據智能挖掘。通過實驗證明，所提挖掘方法與傳統方法相比挖掘效率得到明顯提升。

關鍵詞： Apriori算法; 無線網絡; 關聯規則; 智能挖掘

文章編號： 2095-2163（2021）03-0113-02 中圖分類號：TN911.1-34 文獻標志碼：A

【Abstract】In order to solve the problem that the amount of data mining in the specified time range is small when the traditional mining method is used for data mining， which leads to low mining efficiency， this paper proposes the application research of Apriori algorithm in wireless network data intelligent mining. Through the design of data mining association rules， using text classification of wireless network data based on Apriori algorithm and intelligent filtering of wireless network data outliers， intelligent mining of wireless network data is realized. Experiments show that the mining efficiency of the proposed method is significantly improved compared with the traditional method.

【Key words】 Apriori algorithm; wireless network; association rules; intelligent mining

0 引 言

當前，數據挖掘技術在各個領域中都有著十分廣泛的應用，并逐漸成為具有較高價值意義的工程類工具和手段。大部分數據挖掘過程中都會產生海量的數據，因此導致計算量龐大，很難實現對數據的精準挖掘，同時還會浪費大量的時間[1]。目前的挖掘方法有著嚴重的局限性，在實際應用過程中多會出現數據存儲中心寬帶消耗量大、數據易發生泄漏等問題[2]。面對該問題現狀，相關領域的研究人員逐漸將針對無線網絡中數據的挖掘方法作為主要研究內容。研究可知，Apriori算法能夠通過逐層迭代的方式找出不同環境當中數據之間的關聯，并進一步推導出其規則。當前Apriori算法應用效果十分良好。基于此，本文擬開展Apriori算法在無線網絡數據智能挖掘中的應用研究。

1 基于Apriori算法的無線網絡數據智能挖掘方法設計

1.1 無線網絡數據挖掘關聯規則設計

利用Apriori算法對無線網絡數據文本進行分類前，要明確數據挖掘關聯規則。在實際挖掘時，則要經歷2次無線網絡數據庫。第一次是在開始挖掘頻繁候選集階段，在此階段當中，主要完成對頻繁項集的生成;第二次是挖掘頻繁候選集階段[3]。無線網絡數據挖掘關聯規則設計流程可闡釋表述如下。

步驟1 將選取的無線網絡數據樣本進行分段處理，將其輸入到集群中的各個節點上，計算每一項的支持度。執行相應的程序后，獲取到本地數據，并輸入一個數據記錄[4]。

步驟2 是Apriori算法中最關鍵的一步。在mapper中輸入，將其與步驟1中的數值序列進行比較，即可獲得相應的結果。

步驟3 按照上述方法來分配節點，將不同的無線網絡數據信息放置在不同的節點之上[5]。在此過程中，會出現同一時間，對應的頻繁項集不處于同一節點上。針對這一問題，運用Apriori算法中默認的對關鍵數值排序的功能，得到無線網絡數據挖掘關聯規則。

1.2 基于Apriori算法的無線網絡數據文本分類

為實現對無線網絡中海量數據的挖掘，將編程思想作為基礎，結合Apriori算法的設計原理，將無線網絡環境下的海量數據進行重構，并完成對無線網絡數據文本的分類。在實際應用中，單純使用 Apriori算法很難達到數據挖掘對無線網絡文本分類的要求，因此，當挖掘過程中文本經常出現特定特征下的數據時，會導致挖掘方法在應用后產生大量的公共頻繁詞匯[6]。至此，為了能夠有效避免這一問題的產生，本文在實際執行Apriori算法時，引入tf-idf算法，對無線網絡環境中每一個數據的權重進行合理分配，再以此為基礎，對無線網絡數據文本進行分類，以此能夠有效保證分類結果的準確性，同時也能夠進一步加強Apriori算法應用的實際意義。

1.3 無線網絡數據離群點智能過濾

在上述相關行為的支撐下，根據不同數據點的所屬簇組進行研究[7]。分析不同簇組的核心數據值，對其簇組核心值進行計算，評估計算結果，以此作為評價數據離群點是否為冗余數值。綜合上述分析，對數據離群點簇組核心值的計算公式可寫為：

2 對比實驗

為驗證本文提出的基于Apriori算法的無線網絡數據智能挖掘方法在實際應用中的效果，選擇某區域內的無線局域網作為實驗環境。對比本文方法與傳統挖掘方法的性能。本文選用數據挖掘量作為評價2種方法的指標，設置2種方法的挖掘時間分別為100 ms、500 ms、1 000 ms、2 000 ms和3 000 ms，在保證2種方法的挖掘時間相同的情況下，對其挖掘結果進行記錄。2種挖掘方法的實驗結果對比見表1。

根據表1中的數據結果可以看出，隨著挖掘時間的增加，本文挖掘方法的數據挖掘量增加幅度不斷變大，而傳統挖掘方法增加幅度較緩。在3 000 ms挖掘時間條件下，傳統挖掘方法并未完成相應的挖掘任務，挖掘量仍然停留在2 000 ms時間時的結果，已經無法在該無線局域網環境下對更多的數據進行挖掘。因此，通過對比實驗證明，本文提出的基于Apriori算法的無線網絡數據智能挖掘方法效率更高，滿足海量數據的挖掘需要。

3 結束語

本文提出基于Apriori算法的無線網絡數據智能挖掘方法設計研究。將該方法付諸應用能夠有效解決挖掘效率低、挖掘量有限的問題。但由于研究時間的有限，本文僅針對無線網絡中的無線局域網進行了研究，關于無線廣域網在使用本文挖掘方法時會有一定概率出現數據泄露問題，后續還將進行更加深入的研究。

參考文獻

[1]蘭濟樂，阮葉萍，蔣東曉. 基于數據挖掘和網絡藥理學的失眠中藥配方規律及作用機制研究[J]. 浙江中醫藥大學學報，2020，44（12）：1230-1238，1241.

[2] 周文靜，朱彥，郭怡含，等. 基于數據挖掘和網絡藥理學的丹參配伍規律及其防治冠心病作用機制研究[J]. 中國中醫基礎醫學雜志，2020，26（11）：1643-1648.

[3] 江佳琳，何靜玲，黎小斌. 基于數據挖掘及網絡藥理學探討中藥灌腸治療慢性盆腔炎的核心中藥及機制[J]. 廣州中醫藥大學學報，2021，38（2）：379-385.

[4] 邵臧杰，王盼盼，李紅，等. 基于數據挖掘及復雜網絡技術探討周仲瑛教授治療哮喘發作期經驗[J]. 中國中醫急癥，2020，29（10）：1744-1748，1753.

[5] 黃羚，劉鐵鋼，白辰，等. 基于數據挖掘和網絡藥理學的谷曉紅教授治療小兒急性上呼吸道感染的研究[J]. 世界中醫藥，2020，15（20）：3007-3013.

[6] 韋凌霞，丁茂鵬，王志旺，等. 基于數據挖掘及網絡藥理學方法探討含當歸中藥復方抗肝纖維化的用藥規律及作用機制[J]. 中藥新藥與臨床藥理，2020，31（11）：1323-1331.

[7] 王光耀，許光蘭，陳小麗，等. 基于數據挖掘和網絡藥理學的古方治療肺結核的用藥規律及機制分析[J]. 世界科學技術-中醫藥現代化，2020，22（7）：2256-2268.