[发明专利]一种基于邻接表的最大频繁项集挖掘方法

摘要

本发明涉及一种基于邻接表最大频繁项集挖掘方法，同时借助了邻接表和哈希表结合的存储方式，以减少数据库的扫描次数和遍历的空间规模，并可以尽早修剪掉小于支持度阈值的项集，避免生成较长最大频繁项集的所有非空子集。该方法充分利用建立的邻接表，只需对原数据库扫描一次，具有时间复杂度低，消耗内存等优点。

主权项

1.一种基于邻接表的最大频繁项集挖掘方法，其特征在于步骤如下：步骤1：扫描数据库生成邻接表首先定义邻接表的图的存储结构HashMap<node_list，Edge>，设置node_list为存储头结点，Edge为存储邻接点的信息，边节点Edge的结构包括3个变量，一个是边的一个顶点的位置node，另一个是边的另一顶点的位置node，还有一个为边上的权值，即项的频繁度cost；然后对数据文件进行处理，先要存储文件路径并进行文件读取，在读取过程中需要对数据进行处理，要将每行数据去除空格后分割存入数组，通过调用邻接表的存储函数，将数组作为参数传入邻接表；最后在一次读取链接表中的项X_i，判断其中的顶点项是否含有X_i，若X_i∈node_list，则继续判断node[]中除去项X_i后的其余各项X_j≠i是否已存在于Edge中，如果已经存在，则边的权值cost自增1，否则cost值设置为1，并将X_j≠i添加到Edge中；若则直接将X_i添加到node_list中；步骤2：挖掘最大频繁项集首先，遍历邻接表的各顶点项A_i和对应邻接点项{X_i|X_i∈Edge_i}，如果X_i的权值cost即频繁度数，满足cost≥min_sup，则取A_i∪X_i形成2‑项频繁项集，否则剪去X_i，其中min_sup为最小支持度阈值；然后根据初始得到的2‑项频繁项集去置换顶点项A_j，即如果满足取该邻接点集合对应的头顶点A_j，令A_i∪X_i∪A_j便得到更高一维的频繁项集；以此类推，利用k‑项频繁项集去置换顶点项，取并集形成k+1项频繁项集，直到置换不出顶点，该方法结束，得到所有的最大频繁项集。