[发明专利]一种基于改进PrefixSpan算法的交易数据频繁序列模式挖掘方法

说明书

本发明公开了一种基于改进PrefixSpan算法的交易数据频繁序列模式挖掘方法，包括步骤：对商品交易数据进行预处理，得到商品交易数据集，并存入交易序列数据库中；扫描交易序列数据库，对每个单项进行计数，得到每个单项的序列支持度并降序排列，选出前μ项且满足最小支持度的单项作为初始前缀；采取深度优先遍历，对第一个初始前缀的位置进行计算，并保存在前缀位置信息表中，生成商品交易投影数据库；再对其进行迭代，直至无法生成新的商品交易投影数据库，保存每个商品交易投影数据库生成的频繁序列模式集合；从第二个初始前缀开始，重复上一步骤，直至所有初始前缀均计算完毕。本发明用于减少交易数据频繁序列模式挖掘的时间/空间消耗，提高执行效率。

技术领域

本发明涉及交易数据挖掘技术领域，特别是涉及一种基于改进PrefixSpan算法的交易数据频繁序列模式挖掘方法。

背景技术

大型连锁超市的交易数据有一系列的用户事务数据库，每一条记录包括用户的ID，事务发生的时间和事务涉及的项目，如果能在其中挖掘涉及事务间关联关系的模式，即用户几次购买行为间的联系，可以采取更有针对性的营销措施。

目前，在交易数据频繁序列模式挖掘算法中，各专家、学者花费了大量的时间和精力提出了不少典型的方法，如GSP、SPADE、PrefixSpan算法等。其中，GSP算法减少了需要扫描候选序列的数量和多余无用模式的产生，但针对大规模序列数据库会产生大量的候选序列模式，且需要对序列数据库进行循环扫描；SPADE算法扫描数据库次数降低仅为3次，但在原始数据巨大的情况下会产生大量垂直数据库；PrefixSpan算法的优点是不用产生候选序列，相比于其它两种算法，其内存消耗相对稳定，而且效率更高，但其可能会出现重复投影数据库问题，从而导致对重复的投影数据库进行挖掘划分，造成一定的重复计算，增大了时间/空间消耗。因此，一种基于改进PrefixSpan算法的交易数据频繁序列模式挖掘方法亟待研究。

发明内容

本发明的目的是提供一种基于改进PrefixSpan算法的交易数据频繁序列模式挖掘方法，用于减少交易数据频繁序列模式挖掘的时间/空间消耗，提高执行效率。

为实现上述目的，本发明提供了如下方案：

一种基于改进PrefixSpan算法的交易数据频繁序列模式挖掘方法，包括以下步骤：

S1)对获取的商品交易数据进行预处理，得到商品交易数据集，并存入交易序列数据库D中；

S2)扫描交易序列数据库D，对每个长度为1的单项进行计数，得到每个单项的序列支持度sup并降序排列，选出前μ项且满足最小支持度min_sup的单项作为初始前缀；

S3)采取深度优先遍历，对第一个初始前缀的位置进行计算，并保存在前缀位置信息表中，生成商品交易投影数据库；再对其进行迭代，直至无法生成新的商品交易投影数据库，保存每个商品交易投影数据库生成的频繁序列模式集合；

S4)从第二个初始前缀开始，重复步骤S3)，直至所有初始前缀均计算完毕；

其中，所述步骤S4)具体包括：

S401)生成第二个初始前缀的商品交易投影数据库；如果该商品交易投影数据库为空，则递归返回；

S402)扫描商品交易投影数据库，对单项进行计数；如果所有单项的序列支持度sup都低于最小支持度min_sup，则递归返回；

S403)将满足最小支持度min_sup的各个单项和当前的前缀进行合并，得到若干新的前缀，并计算新前缀的前缀位置；若前缀位置信息表存在与之前前缀位置相等的前缀，则直接返回前缀位置信息表中前缀所产生的频繁序列模式集合，并返回步骤S3)；否则，前缀位置信息表保存新的前缀位置信息，并生成新的商品交易投影数据，返回步骤S401)。