基于索引数组频繁项集挖掘算法.docVIP

基于索引数组频繁项集挖掘算法 　　 (燕山大学 信息科学与工程学院 计算机应用技术， 河北 秦皇岛 066004) 　　?? 　　摘 要：基于现有的关联规则挖掘算法，提出了一种通过循环迭代增加项为项集后缀的方式产生所有项集的新方法，构造了一种新的数据结构―索引数组，存储所发现的频繁1项集及其相关信息，以便快速发现项集与事务之间的关系；并提出了一种基于索引数组的频繁项集挖掘新算法。该算法只需扫描数据库两次就能发现所有频繁项集。实验结果表明，该算法可以有效提高频繁项集的挖掘效率。 　　?す丶?词：数据挖掘； 关联规则； 频繁项集； 索引数组 　　?ぶ型挤掷嗪牛?TP311 文献标志码：A 　　 文章编号：1001?B3695(2009)01?B0044?B03 　　?? 　　Frequent itemsets mining algorithm based on index array 　　ZHANG Zhongping, LI Yan, LIN Zhijie, WANG Aijie 　　?? 　　(Dept. of Computer Application Technology, College of Information Science Engineering, Yanshan University, Qinhuangdao Hebei 066004, China) 　　?? 　　Abstract:The paper presented a new approach of increasing item to suffix of itemset recursively according to the classical association rule mining algorithms. And used a new data structure―index array to store frequent 1itemset and its correlative information. So the relations of itemsets and transactions were found quickly. Presented a frequent itemsets mining algorithm based on index array and could mine all frequent itemsets through scanning database only twice. The experimental results show that the proposed algorithm outperforms similar stateoftheart algorithms. 　　??Key words：data mining; association rule; frequent itemsets; index array 　　?お? 　　0 引言?? 　　 数据库技术的广泛应用产生了大量的业务数据。随着数据在日常决策中的重要性越来越显著，人们对数据处理技术的要求也不断提高，需要对数据进行更深层次的处理，以便于对事物发展趋势的预测。因为数据的爆炸性增长，难以发现数据的全面信息，客观上需要一种新的技术来分析海量的原始数据，这样，数据挖掘技术就应运而生了。?? 　　 关联规则挖掘是数据挖掘领域的重要研究方向之一，属于描述性挖掘，它的目的就是挖掘出隐藏在数据间的相互关系，即从数据中挖掘出满足一定条件的依赖性关系。1993年Agrawal等人[1]提出了Apriori关联规则挖掘算法，算法主要分为两步：a)挖掘频繁项集，使用逐层搜索的迭代方式从大量候选项集中产生频繁项集，即支持度大于等于用户预先给定的最小支持度的项集；b)从a)步产生的频繁项集中挖掘强关联规则。关联规则挖掘的核心问题是如何有效地挖掘频繁项集。2000年，Han Jiawei等人[2]提出了不产生候选项集的FPgrowth算法，该算法采用将事务数据库压缩到频繁模式树(FPtree)的策略，将压缩后的数据库分成一组条件数据库，每个关联一个频繁项并分别挖掘每个数据库，从而发现频繁项集。文献[3]提出了Eclat算法，该算法采用数据的垂直表示格式，优点是不仅利用了Apriori性质从频繁??k??项集产生候选??(k+1)项集，而不用扫描事务数据库就能得到(k+1)??项集的支持度，并利用了类似FPgrowth的深度优先的计算顺序；缺点是要多次执行交集操作才能得到项集的支持度。目前大多数算法都是围绕这三个算法改进，有的是从数据结构上改进，如基于矩阵的频繁项集挖掘算法[4]、基于数组的频繁项集挖掘算法[5]