如何有效地找到集合的所有存储子集？ （关联规则查找）

Question

我最近一直在试验association rule learning，从庞大的交易数据库生成规则。我想使用这些规则实时提出建议。

有很多关于如何生成规则的文献，但我似乎找不到任何关于人们如何以实时方式实际使用这些规则的信息，并且暴力破解非常痛苦慢。

所以问题是： 我有成千上万个集合 R（规则前件），我想获得所有集合（来自 R），它们是某些提供的集合 X 的正确子集。我怎样才能最有效地做到这一点？

（只有查找要快，构建数据结构不需要）

附加信息：

• R 包含约 20000 套（目前，应该支持更多）。
• R 中的集合的基数通常小于 10。
• X 通常具有大约 30 的基数，但也可以大到 1000（很少见）。
• 讨论的所有集合都包含从 0 到大约 30000（目前）的整数（数据库 ID）。

Answer 1

不要过度自动化。

尝试自动使用任何无监督方法的输出通常是个坏主意。相反，输出需要由人工分析和检查。有太多“正确”的模式，但对业务没有任何价值，也没有任何新意。他们可能只是反映如何，例如当前产品推荐的工作方式，或商店当前的布置方式。例如，从数学上看，最好向购买意大利面的人推荐番茄酱。虽然这确实是一个常见的联想，但您可能会在此推荐下多卖 0 个番茄酱，因为每个人都知道意大利面+番茄味道很好，无需告诉他们。

相反，让专家浏览规则，找到那些出乎意料的，然后计划一个适当的 A/B 测试来验证这是否真的有效。