[发明专利]一种基于Top-K频繁项集的挖掘算法

权利要求书

1.一种基于Top-K频繁项集的挖掘算法，其特征在于：包括以下步骤：

(1)建立测试数据集T，项集I和最频繁项集数量变量N；

(2)扫描数据集T，求解测试数据集T中每个数据项Ti的支持度TID集和支持度，求解时采用循环遍历；

(3)初始化itemsList数组和当前的边界支持度border_sup；

(4)利用链表的后向指针next循环遍历构造数组itemsList；

(5)通过对数组itemsList的后续遍历，将支持度TID集进行遍历赋值，并对边界度值进行判定；

(6)如果初始化边界值与支持度TID集不存在包含关系，则输出提示信息，并跳出遍历循环，进程结束；否则，则将支持度TID的绝对值与系统支持的边界值进行对比；

(7)如果支持度TID的绝对值不大于系统支持的边界值，则跳出遍历循环，进程结束；否则，则利用AddItems函数实现在数组itemsList中执行连接操作后得到的项集L，利用函数InsertList实现将下标为t的元素插入到数组itemsList中合适的位置，数组itemsList[N]以静态双链表形式存储当前N个最频繁项集，实现频繁项集的分析，进程结束。

2.根据权利要求1所述的基于Top-K频繁项集的挖掘算法，其特征在于：所述步骤(3)中，设置初始化参数静态双链表的头指针head＝0，静态双链表的尾指针rear＝0，当前的边界支持度border_sup＝0，测试数据集T中的数据项T_i，i＝0。

3.根据权利要求1所述的基于Top-K频繁项集的挖掘算法，其特征在于：所述步骤(4)中，循环遍历时设置循环次数即数组长度，测试数据集设置数组长度为12。

4.根据权利要求1所述的基于Top-K频繁项集的挖掘算法，其特征在于：所述步骤(7)中，将当前已求得的Top-K项集按照支持度降序存储到静态双链表中，在尚未连接的Top-K项集中选择支持度最高的两个频繁项集进行连接操作；在执行连接操作后，如果结果项集的支持度大于边界支持度，并且结果项集的长度大于2，则查找该结果项集是否存在；由于查找只须在等长项集中进行，设集合数组itemsSet[K]存储所有的等长频繁项集，其中K是潜在频繁项集的最大长度，itemsSet[i]表示所有长度为i的频繁项集的集合。

5.根据权利要求1或4所述的基于Top-K频繁项集的挖掘算法，其特征在于：所述步骤(7)中，数组itemsList[N]以静态双链表形式存储当前N个最频繁项集；为了便于查找支持度较高的两个项集进行连接，数组itemsList[N]中将N个最频繁项集降序排列；为了便于将连接后的结果项集插入到当前N个最频繁项集，同时删除当前N个最频繁项集中支持度最小的项集。

6.根据权利要求5所述的基于Top-K频繁项集的挖掘算法，其特征在于：所述数组itemsList[N]的结点结构包括item，count，TIDs，next和prior，其中items存储频繁项集，count存储该项集的支持度，TIDs存储该项集对应的事务ID列表，next为链表的后向指针，prior为链表的前向指针。

7.根据权利要求1所述的基于Top-K频繁项集的挖掘算法，其特征在于：所述步骤(7)中，AddItems函数通过itemsList[i].items、itemsList[i].count和itemsList[i].TIDs进行遍历赋值添加，循环遍历时依据数组边界进行边界控制。；AddItems函数在数组itemsList未填满时，只须将新项集追加到数组itemsList已有元素的末端；当数组itemsList已添满时，只须将新项集填入itemsList[N]的表尾元素并摘链。

8.根据权利要求1所述的基于Top-K频繁项集的挖掘算法，其特征在于：所述步骤(7)中，函数InsertList运算时，首先获取数据itemsList的链表的后向指针next节点值，若满足循环条件(s！＝-1&&itemsList[s].count>itemsList[t].count)，则循环进行数值插入操作；函数InsertList在查找到合适的位置后，插入操作只是修改静态双链表的相应指针。