面向数据流的频繁项集挖掘研究-西安邮电大学.PDF

138 2010 ，46 （24 ） Computer Engineering and Applications 计算机工程与应用 面向数据流的频繁项集挖掘研究 孟彩霞 MENG Cai-xia 西安邮电学院 计算机科学系，西安 710061 Department of Computer Science ，Xi ’an University of Posts Telecommunications ，Xi ’an 710065 ，China E-mail ：mcxmcx@ MENG Cai-xia.Research on mining frequent itemsets in data streams.Computer Engineering and Applications ，2010 ，46 （24 ）：138-140. Abstract ：According to the characteristic of data streams ，the paper proposes FP-SegCount algorithm for mining frequent itemsets from data streams.The algorithm partitions the data stream and uses modified FP-growth algorithm to mining fre- quent itemsets in every segment.And then ，it counts itemsets in Count Min Sketch.The algorithm solves the problem of com- pressed statistic and effective computation.Through experimentation and comparision with FP-DS algorithm ，FP-SegCount algo- rithm has a good time efficiency. Key words ：data streams ；data mining ；data stream mining ；frequent itemsets 摘 要：针对数据流的特点，对数据流中频繁模式挖掘问题进行了研究，提出了数据流频繁项集挖掘算法FP-SegCount 。该算法 将数据流分段并利用改进的FP-growth 算法挖掘分段中的频繁项集。然后，利用Count Min Sketch 进行项集计数。算法解决了 压缩统计和计算快速高效的问题。通过和FP-DS 算法的实验对比，FP-SegCount 算法具有较好的时间效率。 关键词：数据流；数据挖掘；数据流挖掘；频繁项集 DOI ：10.3778/j.issn. 1002-8331.2010.24.042 文章编号：1002-8331（2010 ）24-0138-03 文献标识码：Ａ 中图分类号：TP311.13 [7] 1 引言 FP-DS 算法 。算法采用分段的思想，逐段挖掘频繁项集。该 频繁项集挖掘是关联规则挖掘问题的核心。Agrawal 等 算法可以有效地挖掘所有频繁项集，尤其适合长频繁项集的 [1] 挖掘。 人提出了经典的频繁项集挖掘算法Apriori 算法 ，Han 等人提 出了FP-tree 结构和相应的模式增长算法FP-growth[2] 。现在越 本文提出了另外一种挖掘数据流中频繁项集的算法 来越多的应用所产生的数据以流的形式出现。例如，网络监 FP-SegCount 算法，该算法解决了数据流挖掘中的压缩统计和 控、Web 服务器日志、电信呼叫记录、股票交易联机分析等。数 计算高效的问题。通过实验分析，算法具有较好的时间效率。 据