[发明专利]一种基于数据缓冲池的Top-k高效用项集挖掘方法

权利要求书

1.一种基于数据缓冲池的Top-k高效用项集挖掘方法，其特征在于，包括如下步骤：

(1)数据挖掘运行参数初始化：设置需要被挖掘的数据库D，指定结果集数量k和利润表ptable；

(2)扫描数据库D：初次扫描事务数据库D并计算单一项的加权事务效用值，将最小阈值minUtil初始化为0并创建初始化链表I^*；

(3)将单一项的加权事务效用值存入初始化链表I^*并按加权事务效用值升序排列；

(4)再次扫描数据库D，建立数据缓冲池DBP、索引链表IndexList和评估效用共现结构EUCS，创建高效用项集队列；

(5)调用搜索子程序Search，将初始化链表I^*、评估效用共现结构EUCS、数据缓冲池DBP和索引链表IndexList传入子程序Search；

(6)输出效用最高的前k个高效用项集，完成数据挖掘。

2.根据权利要求1所述基于数据缓冲池的Top-k高效用项集挖掘方法，其特征在于，

步骤(5)所述的调用搜索子程序Search，包括如下步骤：

(5.1)在搜索子程序Search中，对于项集P的一个分支项集Px，如果索引链表IndexList(Px)中存储的项集Px效用之和SumIutil不小于最小阈值minUtil，那么将项集Px加入到高效用项集队列；

在项集Px加入之前，判断队列长度是否大于结果集数量k值，若小于k值，直接将项集Px插入队列；

若队列长度大于k值，则比较项集Px的效用值和高效用队列中的最小值，如果项集Px的效用值小于高效用队列中的最小值，则不插入队列；如果项集Px 的效用值大于高效用队列中的最小值，则删除最小值的项集，插入项集Px并将minUtil更新为高效用项集最新的最小值；

(5.2)如果项集Px的索引链表IndexList(Px)中的效用之和SumIutil与剩余效用之和SumRutil相加不小于最小阈值minUtil，那么项集Px的分支项集则可能是高效用项集；

(5.3)对于项集P的另一个分支项集Py，Py与项集Px合并使得y＞x并且TWU({x,y})≥minUtil，形成新的分支项集Pxy继续执行；

(5.4)将项集P，Px，Py，数据缓冲池DBP，索引链表IndexList作为参数调用数据缓冲池构建过程。

3.根据权利要求2所述基于数据缓冲池的Top-k高效用项集挖掘方法，其特征在于，步骤(5.4)所述的数据缓冲池构建过程，包括如下步骤：

(5.4.1)在数据缓冲池构建过程中，设指针PPnt，PxPnt，PyPnt分别为索引链表IndexList(P)，IndexList(Px)，IndexList(Py)的起始位置，指针指向数据缓冲池DBP中的元组；

(5.4.2)如果指针PxPnt指向的元组中Tids小于PyPnt指向的元组中Tids，那么将指针PxPnt向右移动一位；

(5.4.3)如果指针PxPnt指向的元组中Tids大于PyPnt指向的元组中Tids，那么将指针PyPnt向右移动一位；

(5.4.4)如果PxPnt指向的元组中Tids等于PyPnt指向的元组中Tids，并且索引链表IndexList(P)不为空，那么PPnt的指针连续向右移动，直到PPnt移动到IndexList(P)的末位或者PPnt指向元组中的tids和PxPnt指向元组中的tids相同为止；

(5.4.5)数据缓冲池DBP的末位添加一个新元组，令Tids为PxPnt的Tids，Iutils为PxPnt的Iutils加PyPnt的Iutils减去PPnt的Iutils，Rutils为PyPnt的Rutils；

(5.4.6)PxPnt和PyPnt同时右移一位；

(5.4.7)当指针PxPnt没有指向索引链表IndexList(Px)的末位置EndPos，并且指针PyPnt没有指向索引链表IndexList(Py)的末位置EndPos时，重复执行数据缓冲池构建过程；

(5.4.8)更新索引链表IndexList(Pxy)和数据缓冲池DBP，结束数据缓冲池构建过程；

完成数据缓冲池构建后，若索引链表IndexList(Pxy)不为空，Pxy及其分支项集将被搜索进程Search继续挖掘，不断递归此程序直到没有分支项集。