基于trie merging机制数据流滑动窗口模型的频繁树模式挖掘

• 作者: 吉小洪 徐爱萍
• 来源期刊: 计算机应用研究
• 关键词: trie树 数据流 滑动窗口 频繁树模式
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1993-1998
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.01.0006

摘要

因树型结构的良好表达能力,在互联网中传输的信息流越来越多以树型结构形式存储.但由于流式数据的时效性,隐含在数据流中的知识会随着时间的推移发生改变.针对数据流场景下挖掘最近时间段内的频繁子树模式的问题,提出了一种滑动窗口模型下挖掘频繁子树模式算法——SWMiner算法,用于挖掘数据流下任意时刻窗口所有的频繁子树模式.SWMiner算法使用基于前缀树的结构来压缩存储生成的树模式,并且使用trie merging机制有效地更新子树模式的支持度.实验结果表明,SWMiner算法在滑动窗口模型中的性能优于目前现有的常用算法,能有效地挖掘最近时间段内的频繁树模式.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐爱萍	武汉大学计算机学院	44	415	10.0	19.0
2	吉小洪	武汉大学计算机学院	1	0	0.0	0.0