[发明专利]基于增量式关联规则技术的动态大数据模型高效建立方法

权利要求书

1.一种基于增量式关联规则技术的动态大数据模型高效建立方法，其特征在于：包括以下步骤：

步骤1：利用关联规则挖掘算法为初始事务数据库TDB创建初始增量式头表结构XH-struct；

步骤2：将增量式头表转化为基于内存的树形结构HT，并以XML文档形式保存在硬盘中；

步骤3：扫描数据库的新增数据△TDB，建立新增数据库的增量式头表并转化为相应的XML文档，将历史XML文档与新增数据库的XML文档合并构建更新后事务数据库的XML文档，然后即可利用更新的XML文档来挖掘频繁模式。

2.根据权利要求1所述的基于增量式关联规则技术的动态大数据模型高效建立方法，其特征在于，步骤1中，设I＝{i₁,i₂,…i_m}是由m个不同项目组成的集合，事务数据库TDB中的每个事务T是I中一组项目的集合，则每个事务都有唯一的标识符TID。

3.根据权利要求2所述的基于增量式关联规则技术的动态大数据模型高效建立方法，其特征在于，步骤1中，利用关联规则在事务数据库中找出满足用户给定的最小支持度min_sup和最小置信度min_cof的强关联规则，项目集U在事务数据库中出现的频率是包含项目集U的事务数，记为项目集频率F(U)，即为项目集的支持度，如果F(U)＞min_sup，则U为频繁项集，若F(U)≤min_sup，则U为不频繁项集。

4.根据权利要求3所述的基于增量式关联规则技术的动态大数据模型高效建立方法，其特征在于，步骤1中，利用关联规则挖掘算法为初始事务数据库创建初始增量式头表结构XH-struct，增量式头表结构XH-struct的头表记为XH，频繁项和不频繁项都包含在头表XH中，XH中的每一项都包含三个属性：{ID,Sup,Poi}，ID是项目编号，Sup是项目的支持度，Poi是指针域。

5.根据权利要求4所述的基于增量式关联规则技术的动态大数据模型高效建立方法，其特征在于，步骤2中，将增量式头表转化为基于内存的树形结构HT，并以XML文档形式保存在硬盘中，原有头表XH中的每一项都作为树形结构HT根节点root的子节点item，每个子节点有两个属性：{Na,Sup},Na是项目名，Sup是项目的支持度，每个子节点有若干个孩子节点具体的事务记为事务节点trans，事务节点用属性标识符TID来标记数据库中的一条事务。

6.根据权利要求5所述的基于增量式关联规则技术的动态大数据模型高效建立方法，其特征在于，步骤3中，当数据库更新时，只对新增数据库△TDB进行扫描计算，建立新增数据库的增量式头表并转化为相应的XML文档，将历史XML文档与新增数据库的XML文档合并构建更新后事务数据库的XML文档，然后利用更新的XML文档来挖掘频繁模式。