[发明专利]基于并行计算的频繁项集发现算法

摘要

本发明涉及一种基于并行计算的频繁项集发现算法，将数据库D分割成n个条件数据库，然后分别采用Apriori算法挖掘每一个条件数据库Di得到所有以Ii为尾的大项集；找出所有包含Ii的大项集：首先沿着频繁项头表中项Ii的链域找到item‑name为Ii的每个项前缀子树的节点Pi，再沿着每个Pi的父指针往上走直到根节点，使该路径上经过的每个项前缀子树节点的con‑count域都增加Pi.count，根节点不增加；同时增加一个临时频繁项头表ITable，然后再对ITable中的每一个表项的con‑count域进行统计，若它的con‑count域大于预先给定的最小支持度，则保留该表项，否则删除该表项。

主权项

1.一种基于并行计算的频繁项集发现算法，其特征在于：(1)设有n个大项集，将数据库D分割成n个条件数据库，而数据库Di是关联一项大项集Ii的条件数据库，i＝1,…,n；(2)然后分别采用Apriori算法挖掘每一个条件数据库Di得到所有以Ii为尾的大项集；实现方法是，采用FP‑growth算法的方法构造一棵FP‑tree，在每个项前缀子树的节点中增加一个域：con‑count，在对Di条件数据库进行挖掘时，该域记录了所在路径代表的交易中达到此节点的并且包括Ii的交易个数；(3)找出所有包含Ii的大项集：首先沿着频繁项头表中项Ii的链域找到item‑name为Ii的每个项前缀子树的节点Pi，再沿着每个Pi的父指针往上走直到根节点，使该路径上经过的每个项前缀子树节点的con‑count域都增加Pi.count，根节点不增加；同时增加一个临时频繁项头表ITable，每个表项(entry)由三个域组成：item‑name、node‑link、con‑count；(4)若某个项前缀子树节点的con‑count域增加了Pi.count，另外假如ITable中没有一个表项的item‑name与Pi.item‑name相同，则在ITable中增加一个表项，使它的item‑name与con‑count都与Pi的相同，同时node‑l ink指向该项前缀子树节点的Pi的地址；如果ITable中存在一个表项，它的item‑name与Pi.item‑name相同，则只要对该表项的con‑count域增加Pi.Count；(5)然后再对ITable中的每一个表项的con‑count域进行统计，若它的con‑count域大于预先给定的最小支持度，则保留该表项，否则删除该表项。