基于MapReduce的改进的Apriori算法及其应用研究

• 作者: 任永功 刘洋 赵月
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 编码规则 关联规则 频繁项集 MapReduce框架
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 250-254
• 页数: 5页
• 分类号: TP39
• 字数: 3514字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.06.043

摘要

随着移动通信和互联网技术的迅猛发展,如何高效地分析移动用户的需求并及时推送有用信息成为数据挖掘领域的热点之一.针对上述问题,提出一种基于云计算Hadoop平台的分布式关联规则MRS-Apriori算法.该方法在经典Apriori算法的基础上优化了数据库编码规则,增加了判断标记Judgemark来判断事务项是否频繁,提高了MRS-Apriori算法在连接时扫描数据库的效率.在编码的基础上,采用Hadoop平台下的MapReduce编程框架模型实现并行化处理,提高了迭代时连接步骤的效率,降低了大规模数据样本运算的时间开销.实验结果表明,改进的MRS-Apriori算法可以有效地减少运算时间,在处理大规模数据集上具有较高的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任永功	辽宁师范大学计算机与信息技术学院	74	975	12.0	30.0
2	刘洋	辽宁师范大学计算机与信息技术学院	106	117	5.0	7.0
3	赵月	辽宁师范大学计算机与信息技术学院	9	13	2.0	3.0