二、关联规则算法

在用关联规则分析联想词之前，我们首先介绍一下该算法。

商家的电子系统记录着每笔交易中的商品明细，商家可从中发现很多诸如“当一个人购买了商品X时更可能同时购买商品Y”这样的规律；如果商家还拥有消费者的个人信息，还可将商品类别与消费者类别关联起来。商家可以据此优化商品陈列，或制订更好的营销策略。这便是关联规则最典型的应用场景；但事实上关联规则还可用于发掘商品以外的事物之间的关联。

我们使用arules包中的apriori函数来建立模型。这个函数使用的Apriori算法是一种常用的关联规则算法，如需了解算法详细原理，请参阅Agrawal、Imielinski和Swami（1993）。

在关联规则中，一个商品被称为一个项目，包含若干商品的一笔交易被称为一个事务。在一张表格中，行标题为事务名，列标题为项目名，表格中的数字代表购卖商品的数量或是否购买商品，这样的表格被称为事务集。

当利用Apriori算法发掘频繁项目集（即经常共同出现的若干项目）时，有三个指标被用于判断规则的好坏：第 1个指标是支持度（support），指的是同时包含X项目和Y项目的事务数与事务总数的比值。第 2个指标是置信度（confidence）（不是指假设检验中的置信度），这个指标是两个数的比值：分子是支持度，分母是包含X的事务数与事务总数的比值。第 3个指标是提升度（lift），它是两个数的比值，分子是置信度，分母是包含Y值的事务数与事务总数的比值。X与Y的关联被记为X=>Y，X被称为左项（条件项、antecedent、left hand side、lhs），Y被称为右项（结果项、consequent、right hand side、rhs）。

我们使用Hahsler等人（2005）提供的例子进行讲解。所使用的数据为arules包的Epub数据集。注意，事务集通常是一个表格，但apriori函数只接受transactions类的数据；在下一部分分析文本时我们会讲解如何把表格转为transactions对象。本例中的Epub已经是transactions对象了，不用转换。

先介绍一下apriori函数的参数设置方法（未列出的参数用处不大）：

apriori(data, parameter=NULL)

● data：只接受transactions对象

● parameter：一个list对象列表，用于设置模型参数，用形如list(support=0.01,confidence=0.2)的形式设定；参数包括：

■ support：设定支持度的最小值，默认为 0.1；小于这个值的规则将不被列出

■ minlen: 设置规则中能够出现的最小项目数。默认为 1，这意味着输出结果中的一些规则不具有X=>Y的形式，而是只有X一个项目。可将该值设为 2，确保每条规则至少包含两个项目

■ maxlen: 设置规则中能够出现的最大项目数，默认为 10。在X=>Y中，X和Y可能各自包含一个以上项目，从而出现诸如{X1, X2}=>{Y1}或{X1}=>{Y1, Y2}的规则，但在一条规则中的项目总数不会大于maxlen

■ confidence：设置置信度的最小值；小于这个值的规则将不会出现

其中，support和confidence可按需要进行设定，无严格标准。如果找到的规则数量太多，可增大这两个值；反之，若规则太少，甚至没提取到任何规则，则可缩小这两个值。

下面开始建模： wgARWPfTubulDLC1ikEO/k3lv6fuPxBVAkPStWwvL1Teg1GcZsKEsV3Ods5SJug1