大数据环境下基于前缀树的频繁项集挖掘

• 作者: 刘卓华 所辉 杨滨 黄彩娟
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 频繁项集挖掘 MapReduce 前缀序列树 模糊支持度 大数据
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 工业互联网系统
• 页码范围: 2136-2140
• 页数: 5页
• 分类号: TP391
• 字数: 3582字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.170587

摘要

针对大数据环境下频繁项查找效率低和可扩展性问题,提出了一种基于MapReduce框架运行的新分布式FIM算法.首先,使用前缀序列树来构建候选序列子集,避免了昂贵的扫描过程.接着,使用宽幅支持度的方法产生频繁项集,每个MapReduce迭代将修剪掉非频繁项集,显著地压缩内存消耗,以及每一个MapReduce作业的迭代时间.最后,在不同事务规模和支持度下,与不同算法进行实验对比.实验结果表明,提出的序列增长算法获得了良好的效率和可扩展性,特别是在处理大数据集和长项集方面.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘卓华	广东机电职业技术学院计算机与设计学院	13	28	3.0	5.0
2	黄彩娟	广东机电职业技术学院计算机与设计学院	13	21	3.0	4.0
3	所辉	广东机电职业技术学院计算机与设计学院	12	55	4.0	6.0
4	杨滨	江南大学设计学院	10	18	3.0	4.0