论文研究-基于映射关联规则算法的业务流程重组关键成功因素识别.pdf

所需积分/C币:6 2019-09-20 13:30:43 631KB .PDF

论文研究-基于映射关联规则算法的业务流程重组关键成功因素识别.pdf,  试图采用关键成功因素管理方法来研究业务流程重组(BPR)的实施, 在总结国内外学者对BPR关键成功因素研究的基础上, 根据中国的实际情况, 采用系统的思考方法, 全面考虑与流程相关的其它组织要素的变革因素, 提出了中国企业业务流程重组的关键成功因素: 企业战略管理、业务流程管理、信息技术支撑、组织结构变革、企业人员管理
第6期 张群洪,等:基于块射关联规则算法的业务流程重组关键成功因素识别 1079 到内鄙人员和外鄙力量的支持;有效的知识和技能培训;设计一年时间内可行的实施计划、预算和资源需求 重新制定激励揩施等. Ahmad等1]指出高等教育方面的BPR关键成功因素有:团队合作和卓越文化、质 量管理系统和满意度评价、有效的变革管理、鼓励创新的组织机构、信息技术/信息系统、有效的项日管理、 适当的财务资源.相关学者提出的BPR项目成功的关键因素总结如表2所示 表2BPR项目的关键因素总结 作者 影响因素 r…n12二作流模型、目标和责任感、业绩评估和奖励、IT应用、人 eng 方资源管理和持续改进 Grover[3] 管理攴持类问题、技术攴持能力问题、流程描述的问题、项日 让划回题,变革管理回题、项目管理回题 BPR战略存在缺陷;不恰当利用咨谢公司:传统技术的不适 Hauser 9I 用;培训不足;项口实施不可控:;IT架构不适应BPR日标; 管理团队的变通性不足;缺少长期考虑 团队合作和卓越文化、质量管理系统和满意度评价、有效的变 Ahmadi 莒管理、鼓励创新的组织机构、信息技术/信息系统、有效的 顼目管理、适当的财务资源 Kamhawill4j 有效的项目管理经验、跨组织的变苎能力、管理者的认知方 式、教育水平、竞争压力、管理者对BPR的信心 Mansarl15 任务确定、考虑业务流程的完整性、任务整合、并行工作、专 家参与、工作重新排序、流程彆合、授权、量化指标等 4研究设计 4.1研究变量 在上述BPR关键成功因素的研究中,由于分析的出发点不同:得出不同的关键因素,木研究将从中国企 业实际出发,结合国外相关实践,采用中国全业业务流程重组的关键成功囚素包括:企业战略管理(战略日标 和执行等)、业务流程管理(流程选择和规范等)、信息技术支撑、组织结构变革(组织设置原则和扁平化流程 等)、人员管理(高层支持和有效沟通等)和企业文化管理(文化定位和实施等),并提出了关键成功因素的各 个变量及其度量方式.对于BPR成功的评价方法,本文采用指标包括:经营利润提高、客户满意度提高、运 营成本降低、员工积极性提高.本研究中,战咯管理、业务流程、信息技术、组织变革、人员管理、企业文 化、BPR成功这7个指标为隐变量,分别由相应的显变量测量,共有32个问题项.将BPR中的关键成功因 素可以看作为白变量,作为关联规则算法的输入变量,BPR项日的成功看作是囚变量,作为关联规则的输出 变量,采用关联规则算法寻找其中的作用机制 42数据收集 本研究釆用问卷设计的方法米获取相关变量的调査数据,问卷中的变量采用李克特5级量表(5- point Likert scale)进行测量.数据收集方式主要有三种形式:现场发放、普通邮件方式、电亍邮件方式.被调查者 主要以企业的管理人员为主,卷直接发放的对象为企业管理相关人员、EMBA班同学、企业管理培训班学 员炇部分管理咨询公司的硏究人员,矍盖的地区有:北京、上海、广州、武汉、深圳、厦门、海口、香港等地 问卷发放主要采用电子邮件发送、现场问卷发放并回收等方式,共发出问卷235份,回收162份,问卷回收 率为69%,有效问卷125份,问卷有效率为7%.调查样本的基本信息描述如表3,具有一定的代表性,问卷 调查的结果可以支持一系列的分析研究 43信度和效度分析 信度是指各个变量度量的可信度,可用来衡量结果的一致性和稳定性,本研究采用( Cronbach系数来 验证问卷的信度,各变量的信度分析结果如表4所示,其中问卷中大部分变量的a系数在0.7-0.9之间,信 度比较高,适用于后续分析.但个业文化这个影响因素的a值为0.34,低于0.6的取舍标准,这个因素将在 关联规则算法中舍弃. 1080 系统工程理论与实践 第31卷 。表3样本基本信息描述 所属行业 企业的规模分析 所有制形式 制造业 100人以下 国有 26 服务业 64 100500 28 民营 其它 23 5002000 夕资 2 总量 125 2000-10000 39 合资 10 10000以上 5 股份制 12 12 1 效度是指实证测量在多大程度上反映了变量的真实含义,本研究主要通过探索性因子分析对间卷中各变 量的效度进行分析.首先检验变量间的相关性,KMO样本测度值为0.654,适合作因子分析,同时 Bartlett 半球体检验是0.008,小于0.001,也支持因子分析.运用主成分分析法进行探索性因子分子,提取出特征值 大于1的因子,得到各变量的特征值解释方差百分比,如表4所示.在各个变量的因子载荷值中,问题项 q7,q13,q20,q24的因子载荷小于或接近0.5,内部效度不够好.后续分析时应该舍去以提高问卷的效度.本 研究还采用AVE来检验变量的内部一致性,采用C.R.来检验变量的会聚效度,计算方法如下公式·各变量 的AVE都大于或接近于0.5.CR.值都大于07,所以问卷中变量的设计具有较好的内部一致性和会聚效度 AVE=∑因子负荷/(∑因子负荷+∑(各题项的测量误差) CB=∑因子负荷/(∑因子负荷+∑(各题项的测量误差) 表4问卷的a信度和效度分析结果 变量 指标数 AV 特征值解释方差 问卷整体 0.872 战略管理 4 0.862 0.4670.789 3.145 758% 业务流程 5 0.792 0.5 0.694 291 50.28% 信息技术 0.761 0.685 0.774 811 48.59% 组织变革 4 0.894 3.754 57.41% 人员管理 6 0.787 0.6040.764 3.648 43.31% 企业文化 0.34 0.496 754 1969 40.42% BPR成功 0.79 0.553 0.683 55.11% 5基于映射的关联规则算法 5.1关联规则算法 设I={1,2,……,im}是二进制文字的集合,其中的元素称为项(item).记D为交易( transaction)T 的集合,这里交易T是项的集合,并且T≤1.对应每一个交易有唯一的标识,如交易号.记作TID.设X 是一个I中项的集合,如果XsT,那么称交易T包含X.一个关联规则是形如X→Y的蕴涵式,这里 XC,YC,并且X∩Y=.规则X→y在交易数据库D中的支持度( support)是交易集中包含X和 Y的交易数与所有交易数之比,记为 support(X→Y),即 support(X→Y)={T: XUYCT,T∈DH/D 规则X→Y在交易集中的可信度( onfidence)是指包含X和Y的交易数与包含X的交易数之比记 为 confidence(X→Y),即 confidence(X→Y)=|{:XUYT,T∈DN∥{T:XsT,T∈D}.所有支持 度大于最小攴持度的项集称为频繁项集,或简称项集.同时满足最小支持度阈值和最小可信度阈值的规则称 为强规则 算法的基本思想是使用逐层搜索的迭代方法7:首先找出频繁1-项集1,然后由1寻找2-项集I2 再由L2寻找L3,如此下去,直到不能找出频繁K-项集时终止 给定一个交易集D,挖掘关联规则问题就是产生支持度和可信度分别大于用户给定的最小支持度(rin supp)和最小可信度( minconf)的关联规则.它可以分为两个子间题 第6期 张群洪,等:基于块射关联规则算法的业务流程重组关键成功因素识别 l08 1)找出事务数据库D中所有大于等于用户指定最小支持度的项目集( teaset),具有最小支持度的项目 集成为最大项目集,即寻找在给定的交易集上的所有频繁项集; 2)利用频繁集产生关联规则 事实上,挖掘关联规则的整个执行过程中第一个子问题是核心问题,当找出所有的最大项目集后,相应 的关联规则将很容易产生.寻找最大项目集的基本思想是:算法需要对数据集进行多步处理,第一步,简单统 计所有含一个元素项目集出项的频率,并找出那些不小于最小支持度的项目集.即一维最大项目集;从第二 步开始循环处理自到再没有最大项目集生成循环过程是:第K步中,根据第K-1步生成的(k-1)维最 大项目集产生κ维候选项目集,然后对数据库进行搜索,得到侯选项目集的项集支持度,与最小支持度比较, 从而找到K维最大项日集 Agrawal等在1993年提出了挖掘关联规则的一个重要方法,这是一个基于两阶段频集思想的方法,将关 联规则挖掘算法的设计可以分解为两个子问题16 1)找到所有攴持度大于最小攴持度的项集( (itemset),这些项集称为频集( frequent itemset 2)使用第1)步找到的频集产生期望的规则 这甲的第2)步相对简单一点如给定了一个频集Y=12…1k,k≥2.l∈I,产生只包含集合{l1,12,… Ik}中的项的所有规则(最多k条).其中每一条规则的右部只有一项,(即形如Y-l动→l:Ⅵ1≤i≤k) 且这些规则被生成,那么只有那些大于用户给定的最小可信度的规则才被留下来 5.2一种基于映射的关联规则挖掘算法MBAR 寻找关联规则问题可以分解为两个子问题来实现:第一,求大项目集即攴持度不低于最小持度的项 目集;第二,利用第一步产生的大项目集生成期望的规贝,即置信度不低于最小置信度的规则.第一个问题是 关联规则的核心问题,是整个算法计算量最大的部分,因此大部分改进的算法把注意力集中在生成大项目集 的优化上·为提高 apriori算法的有效性,已经提出了许多 Apriori算法的变形,融合」许多技术.如散列项集 计数、事务压缩、划分、选样和动态项集技术等Ng等引入了修剪技术( pruning)来减小候选集人小.可 以显著地改进生成所有频集算法的性能.Pak等18引入杂凑树方法来有效地计算每个项集的支持度Park 等19设计了一个基于划分的算法,即利用划分算法把数据库逻辑地分成几个互不相交的块,这样可以降低 对内存的需求,同时提高算法的并行性Park等②引入哈希技术(hash)来改进产生2大项目集的方法 Toivonen等21提出采用随机抽样技术来减少读取数据库的l/O开销 Apriori类算法虽然大幅度压缩了候 选集的大小但仍然需要产生大量候选集,并可能需要重复扫描数据库. Apriori算法存在的主要缺陷有12 1)可能产生大量的候选集.例如,如果有104个频繁1项集,则 apriori算需要产生107个候选2项集,累 计和检查它们的频繁性生;为发现长度为100的频繁模式,必须产生多达100个候选.2)可能需要反复扫描数 据库,通过模式匹配检查一个很大集合 从上面 Apriori算法的分析,可以看出,提高关联规则算法通常有两个途径:1)减少对数据库的扫描次 数因为关联规则釆掘的数据库一般是非常大的需要巨大的扫描数据库开销;2)生成较小的候选大项集.因 为候选大项集越小,需要对数据库中的记录匹配的次数就越少,从而也能提高算法效率的目的.目前有很多 学者提岀了发现频繁集的算法,这些算法产生频繁集K-项目集时需要对数据作多次扫描,然而通常数据库 的规模通常是非常大的,从而导致巨大的IO负载本文对△ priorI算法进行改进,提出了一种基于映射技术 的关联规则采掘算法MBAR( map-bascd association rulc mining).该算法采用映射技术,将字段名称或字段 名称的组合作为映射的关键字,映射内容是该字段或字段组合在数据库中出现的次数,这样只需要经过一次 数据库扫描,就可以能够得到所有存在数据库中的大项集,在实现上采用Java语言的 SortedMap数据结构 算法MBAR可以分为三个部分.第一部分主要完成对数据库的扫描,生成所有大1项集的集合L1,并对L1 中的元素按其域值(map.get(key)进行升序排序:第二部分以L为基础进行多次循环,生成大k(k≥2)项 集Lk;第三部分即Unit,其作用为判断用两个大k-1项集能否生成一个大k(k≥2)项集,如果可以则生 成 082 系统工程理论与实践 第31卷 表5MBAR.算法结构定义与意义 结构与符号 意义 (TID,<I1,I2;……,Im>) TID为记录号,l2为属性值 l -itemset k-项频繁集 候选的k- -itemset,最大项集 所大k项集组成的集合,即大k项集 大k-1项集的第mn个元素的第个项 大k项集的第m个元素的第a个项 CMap: Sorted 项集映射链表 Ky= CMap kcy Sctoiterator((映射链表中的节点的关键字,即一个k-项频繁集.包括各个 字段的组合 CMap. get(key) 个k-项频繁集出现的次数 RMap, SortedMap 关联规则映射链表 Key= Rmap key). iterator()以产生的关联规则为映射链表中的个节点的关键字,即 个关联规则,如1+l2>l RMap get(key 关联规则的支持度和可信度 算法 AprioriMap 输入:数据库D,最小支持度Smn,最小可信度Cmn 输出:关联规则 //扫描数据库,生成所有的项集,得到CMap CMap= gp for all transaction tED I for all item c∈t{ if c=1 if(Cmap containsKey(c)==true) i str Count=Cmap. get(c).toString() str Count= String valueOf( Integer parseInt(str Count)+1) Cmap. put(c, strCount): else{ Cmap. put(c,“1”);} //用两个大k-1项集生成大k项集 Unite(Lk-1.m, Lk-1n) {if(k-1.m11<k-1.m[]3…,k-1.m(k-2<k-1.m1k-2],k-1mk-1<k1.mk-1) YLk m[1-Lk-17 Lk.Tn[k-2=Lk-1Tk-2; Lk:nk-1=Lk-1.7[k-1: Lk. Trk=lk-1.7[k-1 }} //生成大K项集 for(Itcratoritcr=CMap kcy Sct( iterator(); Itcratoritcr hasNcxt(: {/得到形式如I1,l2,3:l5,//I6,Is,l String key-( String) lteratoriter next(;:/根据key生成L1 Sort(L1);/下面程序生成k(k>1)项集 for(k=2;Lk-1≠更;k++) {Lk=中; for(m=1; m lcn(Lk-1);m++) for(n=m,+l; n<len(Lk-1):n++)I Unite(Lk-1.m, Lk 1.7;) }} //采用映射统计所有的组合,并计算出现的次数 for(k= 2; k len(allitems;k++) i for(m= 1; m len(Lk-1);m++) 第6期 张群洪,等:基于块射关联规则算法的业务流程重组关键成功因素识别 1083 i for(i <k;i++) d if(LMap containsKey(Lk.m[il i strCount= LMap get(Lk. mi)). toString( strCount= String. valucOf( Intcgcr parscInt(str Count)+1) LMap put(Lk, mi), str Count;) else{ TiMap. put(Ukm{)“1”};} 53关联规则挖掘结果分析 在上述经过信度和效度检验的调查数据基础上,采用本文提出的玦射关联规则算法进行挖掘,得到的关 联规则如表6所示,其中包括四个子模型,分别设置不同的输入变量和攴持度可信度 表6映射关联规则挖掘结果 关联规则 支持度可信度 模型1:输入为单一项, Innsupp=0.05, minconf=0.2 人员管理→BPR项目成功 0.15903l4 企业战略管理→BPR项目成功 0.118 308 信息技术支撑→BPR项目成功 0.089 业务流程管理→BPR项日成功 0.072 254 组织结构变革→BPR项目成功 0.0350.210 模型2:输入为两项, minsupp-0.3, minconf-0.4 企业战略管理∧人员管理→PR项目成功 0.452.66 人员管理∧信息技术支撑→BPR项目成功 0.4170.602 信息技术支撑∧企业战略管理→PR项目成功 0.375 528 信息技术攴撑∧业务流程管理→BPR项目成功 0.3200.512 模型3:输入为三项, IHnsupp=0.5, minconf=0.6 企业战略管理∧信息技术支撑∧人员管理→BPR项目成功 0.6140.706 企业战略管理∧业务流程管理∧人员管理→BPR项日成功 0.5850.633 信息技术支撑∧业务流稈管理∧人员管理→BPR项目成功 0.5100.609 模型4:输入为三项, Supp=0.6, Ininconf=0.7 企业戕略管理∧信息技术支撑∧人员管理∧业务流程管理→BPR项目成功0.696 713 模型1关联规则算法的输入为各个影响因素,从支持度和可信度系数来看,人员管理对BPR项目的成 功影响最大(支持度0.159,可信度0.314),而后分别是企业战略管理、信息技术攴撑、业务流程管理和组织 结构变革.这结论与中国企业的实际情况基本是一致的,业务流程重组的成功与企业高层支持和员工参与的 关系最大,企业或略管理还没引起足够的重祧,信息技术目前主要还是作为支持业务处理的一种工具.而组 织结构变革带来的BPR项日成功的支持度小于0.05(支持度0.035,可信度0.210),本研究认为其影响不大, 在后续的模型中将不考虑组织结构变革,这主要是因为中国大多数企业在进行业务流程重组时一般不会轻易 改变其组织结构,而是在原有组织结构基础上进行业务流程重组 模型2关联规则算法的输入为两个影响因素的组合使用.从挖掘结果可以看岀,企业战略管理和人员管 理的联合对P项目的成功影响最大(支持度0452,可信度0664),企业员工需要理解企业的发展成略才 可能支持业务流程重组.其次是人员管理∧信息技术支撑(支持度0.417,可信度0.602),企业人员熟悉信息 技术对BPR项目的成功也很重要.因为现有的业务流程基本上都是基于信息系统的.信息技术支撑∧企业 战略管理、信息技术支撑∧业务流程管理对BPR项目的成功影响分别是(支持度0.375,可信度0.528)和 (支持度0.320可信度0.512),说明了信息技术支持企业战略管理和业务流程管理的能力是非常重要的,它们 之间的适应程度有效对推动业务流程重组 模型3关联规则算法的输入为三个影响因素的组合使用对BRP项目成功的影响.从挖掘结果叮以看 出.企业战略管理∧信息技术支撑∧人员管理对BRP项目成功的影响最大(支持度0.614,可信度0.706), 再次强调了企业战略、高层管理和信息技术之间的融合对BRP项目成功的重要性.企业战略管理∧业务流 程管理∧人员管理对BRP项目成功的影响为(支持度0.585.可信度0.633),影响也较为明面.模型4关联 084 系统工程理论与实践 第31卷 规则的输入为企业战略管理、信息技术支撑、人员管理、业务流程管理这四个影响因素,其组合对推动BRP 项目的成功影响很大,支持度0.696,可信度0.713 6结论 6.1本研究主要贡献 本文以企业业务流层重组为主要研究对象,系统总结出影响企业业务流程重组成功的主要囚素,通过间 卷调查收集相关数据,并采用信度和效度检验问卷设计的合理性.而后通过关联规则寻找企业业务流程重组 的关键成功因素对BPR项目成功的影响,这一研究的实证结果只有一定的理论和实践意义.本文的研充结 论:各个因素对BPR项目成功的影响程度依次为:人员管理、或略管理、信息技术、业务流程、组织结构:通 过映射关联规则挖掘岀来的重要规有:业战咯管理∧信息技术支撑∧人员管理∧业务流程管理→BPB 项目成功(文持度0.696,叮信度0.713);企业战略管理∧信息技术支撑∧7人员管理→BPR项目成功(支 持度0.614,可信度0.7106);企业战略管理∧业务流程管理∧人员管理→BPR项日成功(支持度0.585,可 信度0.633);企业战略管理∧人员管理→BPR项目成功(支持度0.452,可信度0.64);人员管理∧信息技 术支撑→BPR项目成功(支持度0.417,可信度0.664)等本研充的创新性主要体现在两个方面:第一,本 文提岀了一种基于映射的关联规则挖掘算法,只需要经过一次数据库扫描.就可以能够得到所有存在数据库 中的大项集;第二,本文在收集问卷调査数据基础上,采用关联规则进行挖掘,而不是采用传统的结构方程方 法,不仅找出单一因素的影响程度,而且得到多项影响因素的组合对BPP项目成功的作用 本研究的结果对于相关管理实践也具有一定的指导意义.第一,高层管理人员的参与和支持,BPR是企 业变革的系统工程,是关系到企业全局性的问题,只有高层领导积极发动、允分理解、持续支持、亲自参与才 能取得成功.BPR堪称为“一把手工程”,是自上而下开展的工作,没有高层管理者的支持是绝对不会成功 的.第二企业应根据市场和行业环境适时开展BPR.随着市场竞争的加剧,企业必须适时地根据企业的市 场和行业外部环境进行战略分析、战略选择和战略调整.根据全业的目标来开展企业内部的流程重组,根据 外部环境适时地调整发展战略,对内部的相关流程、组织、人员等资源进行调整.第三,采用I系统固化新 流程,信息技术被称为BPR的“使能器”,能有助于BPR的成功.一方而IT系统为BPR实施提供重要 的工具和手段,使些工作能自动化实施,流程能并行运作,信息能共享,流程和组织能得到优化.另方面, BPR之后新的流程运作如果不采用TT系统进行固化,企业员工可能会过·段时间后,又按照原来传统的流 程方式运作,流程变革不能达到预期的目的,最终造成BPR失哎. 6.2研究的局限性和下一步的研究方向 本文的硏究具有一定的局限性:第一,本文釆用实证量化的研究方法,具有一定的严谨性,但对于企业动 态变化造成影响的研究存在局限.调查研究能考察研究对象在某一吋刻的情况,但无法详尽解释各个关键成 功因素在各个阶段对BP实施的影响:第二本文研究是从企业管理的视角来研究BP项目的实施,关键 成功因素的考虑不够全面;第三,木文研究的关键成功因素是指在整个流程重组实施中关注的,但是实际上 在BPR的各个阶段关注的重点是不同的,影响程度会有差异;第四.本文总结出的影响因素及其度量指标基 本上都是从相关文献中整理出来,缺少实践性,下一个将重点以访谈的形式,寻找企业运作过程中的影响因 素 参考文献 l1迈克尔·哈默,詹姆斯·钱皮.企业再造:企业革命的宣言M.上海:上海译文出版社,200 Hammer M, Champy J. Reengineering: The Declaration of Business Revolution [M. Shanghai: Shanghai Trans lation Publishing House, 2007 2 Hammer M, Champy J A. Reengineering the Corporation: A Manifesto for Business Revolution [M. Harvard Business. ny 2004 3 Chan S L, Choi CF.A c conceptual and analytical framework for business process reengineering[J. International Journal of Production Economics, 1997, 50(2/3): 211-223 4] Lammer m, Stanton s.流程型企业如何有效运作,J哈佛商业评论,2008,5:38-51 Hanmer M, Stanton S How process enterprises really workJ. Harv Bus Rev, 2008, 5: 38-51 5 Hamid R A. An examination of the role of organization enablers in business process reenineering and impact of infornation technology J. Information Resources Management Journal, 2004, 17(4):1-19 第6期 张群洪,等:基于块射关联规则算法的业务流程重组关键成功因素识别 1085 6 Ulbrich F. Improving shared service implementation: Adopting lessons from the BPR movementJ. Business Process Management, 2006, 12(2):191-205 7 Reijiers H A, Mansar S L. Best practices in business process redesign: An overview and qualitive evaluation of successful redesign heuristics. The International Journal of Management Science, 2004, 1: 283-306 8 Rodney M. Radical change: A conceptual modcl for rcscarch agendas J. Lcadcrship Organization Devclopmcnt Journal,2003,24(4):226-235. 9 Hauser K, Paper D Simulation of business re-engineering processes: Case study of a united state motor manu facturing companyJ. International Journal of Management, 2007, 24(4): 676-822 10 Huq Z, Martin T N. The recovery of BPR implementation through an EPR approach. Business Process Managenent,2006,12(5):576-587 11 Ahmad H, Francis A. Zairi M. Business process reengineering: Critical success factor in high education Business Proccss Managcmont Journal, 2007, 13(3): 451-469 12 Tong J, Jcong S. Grover V. Profiling successful rcenginccring project J. Communication of the ACM, 1998, 41(6) 13 Grover V, Jeong SR, Kettinger W J, et al. The implementation of business process reengineeringJ. Journal of Management. Information Systems, 1995, 12(1): 109-144 14 Kanhawi E M. Determinants of Bahraini Inanagers'acceptance of business process reengineering[J. Business Process Management, 2008, 14(2): 166-187 15 Mansar S L, Reijers H A. Best practices in business process redesign: Use and impact[J. Business Prc ocess M t,2007,13(2):193-213 [16 Agrawal R, Imiclinski T, Swami A. Mining association rules betwcen sets of items in large databases[C// Buneman P, Jajodia s. Proceedings of the 1993 ACM SIGMOD Conference on Management of Data, New York, 1993:207-216. 17 Ng R, Lakshmanan L V S, Han J, et al. Exploratory mining and pruning optimizations of constrained associations rules Cl// Proceedings of ACM SIGMOD Iuternlationial Conference on Managenent of Data, Washington, June 1998:13-14 18 Park J S, Chen M S, Yu P S. An effective hash based algorithm for mining association rules[c// Proceedings of the ACM SIGMOD Confcrencc on Management of Data, San Josc, California, May 1995 [19 Park J S, Chen M S, Yu P S. Using a hash-based method with transaction trimming for mining association rules J. IEEE Transactions on Knowledge and Data Engineering, 1997, 9(5: 813-832 20 Park J S, Chen M S, Yu P s. Using a hash-based method with transaction trimming for mining association rules C//Proceedings of the 21st International Conference on Very Large Databases, Zurich, Switzerland, Sept 1995:432-444 21 Mannila H, Toivonen H, Inderi V A. Efficient algorithms for discovering association rules[C]//1994 AAAl Work- shop, California: AAAI Press, 1991: 181-192 2习陆丽娜,陈亚萍,魏恒义,等.挖据关联规则中Δ priori算法硏究J].小型微型计算机系统,2000,21(9):940942 Lu L N, Chen Y P, Wei H Y, et al. Research on the algorithm Apriori of ming association rules. Journal of Chinese Computer Systems, 2000. 21(9): 940-942

...展开详情
img
  • 至尊王者

    成功上传501个资源即可获取

关注 私信 TA的资源

上传资源赚积分,得勋章
    最新推荐