[发明专利]基于保序特征和前序编码树的频繁闭项集挖掘方法

权利要求书

1.一种基于保序特征和前序编码树的频繁闭项集挖掘方法，其特征在于包括以下步骤：

(a)前序编码树POC-Tree:由NULL根节点和一组项集前缀子树组成；项集前缀子树的每个节点包括五个特征，即项集名、计数、孩子队列、前序和支持事务集；项集名表示该节点所表示的项集；计数表示所有能到达该节点的事务个数；孩子队列表示该节点的所有孩子；前序表示该节点的编号，支持事务集表示所有能到达该节点的事务集合；节点N的信息有前序、计数和支持事务集；具体生成步骤如下:

步骤一、扫描数据集，收集所有1-项集和它们的支持度计数，将支持度小于最小支持度的1-项集排除并按支持度降序排序，结果为频繁1-项集列表，同时将该频繁1-项集列表中每一个频繁1-项集的支持集记录在该频繁1-项集后面；

步骤二、第二次扫描数据集，创建前序编码树POC-Tree的根节点，以NULL标记它；对于数据集中每个事务，执行：排除支持度小于最小支持度的1-项集，然后按频繁1-项集的列表的次序排序；设排序后的事务中项列表为[p|P]，其中，p是第一个元素，而P是剩余元素的列表；对每个事务创建一个分支，按事务中顺序链接到根节点下；当多个事务共享前缀时，沿共同前缀上的每个节点的计数增加1，为在前缀之后的项集创建节点和链接；

步骤三、对前序编码树POC-Tree进行深度优先的排序并记录编号，同时每节点记录所有能到达该节点的事务，得到完整的前序编码树POC-Tree；

(b)候选项集的生成:首先在数据集中找到所有频繁1-项集作为初始生成子，根据前序编码树POC-Tree及相关定义得到所有2-项集，再根据定义依次得到所有m-项集，其中，m为大于2的自然数；

(c)频繁性及闭合性的判断:相应支持度与最小支持度比较判断频繁性，同时，利用保序特性判断闭合性。