IFAMR:一种基于MapReduce的高效频繁项挖掘算法

• 作者: 刘祥佳 程良伦
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 频繁项集挖掘 MapReduce FAMR Apriori Hadoop
• 年，卷（期）: 2017,（2）
• 页码范围: 86-91
• 页数: 6页
• 分类号: TP311
• 字数: 3950字
• 语种: 中文
• DOI: 10.12052/gdutxb.150120

摘要

针对单机无法高效地利用现有的并行计算框架来加快对海量数据进行频繁项挖掘的问题,根据Apriori算法基本原理,结合MapReduce并行计算模型的优势,在FAMR算法的基础上提出了一种改进的高效频繁项挖掘算法IFAMR.该算法首先采用AprioriTID算法来对原始数据进行预处理,删除所有的低频1-项集,然后计算出每次处理集(L)和最小支持度(N)的长度来确定Map操作结束后的最大合并候选集合.IFAMR算法减少了Map函数中的低频项集的生成,通过与已有的算法进行实验对比表明,该算法有效地减少了内存占用,提高了算法的挖掘效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程良伦	广东工业大学计算机学院	274	1459	17.0	25.0
2	刘祥佳	广东工业大学计算机学院	1	0	0.0	0.0