基于PFP-Growth算法的海量频繁项集挖掘

• 作者: 李平 江雨燕
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 频繁项集 海量数据 PFP-Growth
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 63-65,198
• 页数: 4页
• 分类号: TP31
• 字数: 2522字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.09.016

摘要

随着互联网技术的发展，网络数据变得越来越巨大，如何从中挖掘有效信息成为人们研究的重点。近年来频繁项集挖掘由于其在关联规则挖掘、相关挖掘等任务中的相关重要作用，越来越受到人们的重视。文中针对分布式计算环境下频繁项集挖掘算法的研究，对PFP-Growth算法进行了改进，通过MapReduce编程模型对改进的PFP-Growth算法进行了实现和应用，使用户可以从海量数据中高效地获得所有需要的频繁项集。实验结果表明算法在针对海量数据时具有较高的效率和伸缩性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江雨燕	安徽工业大学管理科学与工程学院	50	267	9.0	13.0
2	李平	安徽工业大学管理科学与工程学院	32	147	6.0	11.0