Weighted association rule mining is an effective approach in discovering hidden relationships among the important items in a transactional database. Weight of an item reflects its importance in the database. However, most of the traditional methods are suitable for weighted item transaction databases (WITDs) where the item weights are available. In case of the unweighted item transaction databases (UWITDs), these methods remain ineffective. Item weights are not available in the UWITDs, and hence, the task of weight assignment has become one of the prime issues in this respect. This paper presents an automated weight assignment scheme for the items in an UWITD using the inter-item links. Unlike the existing approaches, the proposed scheme considers the indirect links in addition to the direct links among the items. Indirect links adjust the weights of the items, which in later help in mining large itemsets with low supports. We propose a link-based weighted association rule mining approach over the UWITD. The proposed approach includes two new objective measures such as linkage weighted support and linkage weighted confidence for mining the frequent weighted itemsets (FWIs) and the weighted association rules (WARs), respectively. The comprehensive experiments on both of the synthetic and real-world datasets show the effectiveness of the proposed approach in terms of number of FWIs and WARs, runtime, memory usage, weight distribution, scalability and dissociation.

加权关联规则挖掘是发现事务数据库中重要项目之间隐藏关系的有效方法。物品的重量反映了它在数据库中的重要性。但是，大多数传统方法都适用于项目权重可用的加权项目交易数据库（WITD）。对于未加权项目交易数据库（UWITD），这些方法仍然无效。UWITD中没有项目权重，因此，权重分配任务已成为这方面的主要问题之一。本文使用项目间链接为UWITD中的项目提出了一种自动权重分配方案。与现有方法不同，所提出的方案除了考虑项目之间的直接链接之外，还考虑了间接链接。间接链接会调整项目的权重，这在以后帮助挖掘支撑度较低的大型项目集时会有所帮助。我们在UWITD上提出了一种基于链接的加权关联规则挖掘方法。提议的方法包括两个新的客观度量，例如分别用于挖掘频繁加权项目集（FWI）和加权关联规则（WAR）的链接加权支持和链接加权置信度。在合成数据集和实际数据集上的综合实验表明，该方法在FWI和WAR的数量，运行时间，内存使用，权重分布，可伸缩性和分离性方面均有效。提议的方法包括两个新的客观度量，例如分别用于挖掘频繁加权项目集（FWI）和加权关联规则（WAR）的链接加权支持和链接加权置信度。在合成数据集和实际数据集上的综合实验表明，该方法在FWI和WAR的数量，运行时间，内存使用，权重分布，可伸缩性和分离性方面均有效。提议的方法包括两个新的客观度量，例如分别用于挖掘频繁加权项目集（FWI）和加权关联规则（WAR）的链接加权支持和链接加权置信度。在合成数据集和实际数据集上的综合实验表明，该方法在FWI和WAR的数量，运行时间，内存使用，权重分布，可伸缩性和分离性方面均有效。