基于AO算法的数据流频繁项集挖掘

• 作者: 文凯 朱璐伟 耿小海 许萌萌
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 数据流 超集检测 频繁项集 与运算
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 2259-2264
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.12.020

摘要

针对传统数据流频繁项集挖掘算法在支持度更新、窗口更新方式、频繁k-项集挖掘等方面存在的一系列问题,造成空间和时间效率不高,改进研究了一种高效挖掘数据流频繁项集的AO算法.采用滑动窗口思想,对数据流分块挖掘;在满窗口有新数据流入时,采用取余插入完成数据更新;挖掘频繁k-项集采用And Operation求解支持度,并在挖掘过程结合超集检测,极大地提高了挖掘效率.实验结果表明,该算法在时间和空间效率上均有一定的优越性.