[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

摘要

本发明公开了一种基于保序特征和前序编码树的频繁闭项集挖掘方法，用于解决现有频繁闭项集挖掘方法中候选项集生成效率低的技术问题。技术方案是采用基于前序编码树结构的方法产生候选项集，使得生成的过程更简单清晰，对于数据的储存也更为方便；在候选目标过滤阶段，利用前序编码树的特性与保序特征同时对候选项集进行频繁性与闭合性的判断，在判断过程中，对于不满足频繁性的候选项集无需进行闭合性的判断，方法简单，提高了对频繁闭项集的挖掘效率。

主权项

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。