云计算环境下基于张量分解的缺失关联规则挖掘算法

针对云计算环境下由于数据缺失导致关联规则发现误差较高的问题，提出一种基于张量分解的缺失关联规则分布式发现算法，从而建模关联规则、缺失数据并近似它们的置信度。利用Apriori算法进行局部数据相关以获得频繁项集，通过CANDECOMP/PARAFAC(CP)分解方法分解张量置信度，使用共轭梯度算法进行迭代以最小化近似张量的成本，当存在缺失数据的情况下，利用分布式算法将局部相关与全局相关结合发现缺失关联规则。仿真结果显示，算法的平均误差仅为5.55%，最大误差不超过10%，低于其他几种较新的缺失关联规则算法，相比基于聚类的关联规则算法，平均执行时间减少了16.5%。结果表明，所提基于张量分解的分布式算法在缺失数据的情况下，性能优于其他的关联规则算法，能更加有效地提供缺失规则置信度的近似解。