不产生候选快速投影频繁模式树挖掘算法.pdfVIP

不产生候选的快速投影频繁模式树挖掘算法 何炎祥、向剑文、朱骁峰、孔维强 （武汉大学计算机学院，软件工程国家重点实验室，430072 ） 摘 要：频繁模式的挖掘在数据挖掘中扮演了十分重要的角色，但目前许多研究都是基于采 用 Apriori 或类似的候选产生——检查迭代算法，但这些算法都普遍存在着需要重复多次扫 描数据库，产生大量候选项迭代检查，尤其对于挖掘长模式时这个缺陷更为突出。我们首先 详细地介绍分析了一种最新的不用产生候选项的频繁模式增长算法，并在此基础上提出了一 种改进的投影频繁模式树构造算法。该算法既能有效地利用原有频繁模式增长算法中的优 点，又利用投影技术避免了该算法对数据库大小的性能依赖，具有更良好的可伸缩性。最后， 指出了我们进一步研究的方向。 关键词：数据挖掘、频繁模式树、频繁模式增长、投影频繁模式树 Mining Project Frequent Patterns without Candidate Generation He Yanxiang Xiang Jianwen Zhu Xiaofeng Kong Weiqiang (School of compute r, Electronic commerce techniques center, Wuhan University, 430072) Abstract: Frequent Pattern mining plays an essential role in data mining. Most of the previous studies adopt an Apriori-like candidate set generation-and-test approach. However, candidate set generation is still costly, especially when there exist prolific patterns and/or long patterns. In this study, we introduce a novel frequent pattern growth (FP-growth) method, which is efficient and scalable for mining both long and short frequent patterns without candidate generation. And build a new project frequent pattern growth (PFP-tree) algorithm on this study, which not only heirs all the advantages in the FP-growth method, but also avoids it’s bottleneck in database size dependence. So increase algorithm’s scalability efficiently. Key words: Data Mining, Frequent Patterns-tree, Frequent Patterns-Growth, Project Frequent Pattern-tree 1、概述 近年来，对事务数据库、时序数据库和各种其它类型数据库中的频繁模式挖掘的研究越 来越普及。许多先前的研究都是采用 Apriori 或类似的候选产生－检查迭代算法[1, 2, 3, 4, 5, 6, 7, 8, 9] ，使用候选项集来找频繁项集。这些算法都基于一种重要的反单调的 Apriori 性质：任 何非频繁的(k －1)-项集都不可能是频繁 k-项集的子集。因此，如果一个候选 k-项集的(k －1)- 子集不在频繁(k －1)-项集中，则该候选也不可能是频繁的，从而可以在候选集的集合中删除。 作者简介：何炎祥，教授、博士生导师、博士，计算机学院院长，主要研究方向为分布信息处理、电子商 务等；向剑文，博士生，主要研究方向为电子商务、数据挖掘、软件工程与软件可靠性工程。 E-mail： yxhe@，xiangjw@263.net 它的作用就在于有效地压缩搜索空间，提高频繁项集逐层产生的效率。 在