基于N-list和DiffNodeset结构的频繁项集并行挖掘算法 |
| |
引用本文: | 张阳,王瑞,吴贯锋,刘弘毅.基于N-list和DiffNodeset结构的频繁项集并行挖掘算法[J].计算机科学,2023(11):55-61. |
| |
作者姓名: | 张阳 王瑞 吴贯锋 刘弘毅 |
| |
作者单位: | 1. 西南交通大学数学学院;2. 西南交通大学系统可信性自动验证国家地方联合工程实验室;3. 航天物联网技术有限公司 |
| |
基金项目: | 国家自然科学基金(62106206)~~; |
| |
摘 要: | 频繁项集挖掘是数据挖掘中的一个基本问题,在许多数据挖掘应用中发挥着重要作用。针对并行频繁项集挖掘算法MrPrePost在大数据环境存在密集数据集下算法效率下降、计算节点负载量不均衡和冗余搜索等问题,提出了基于N-lists和DiffNodeset两种结构的并行频繁项集挖掘算法(Parallel Mining algorithm of Frequent Itemset based on N-list and DiffNodeset structure, PFIMND)。首先,根据N-list和DiffNodeset在存储不同数据集上的优势,设计了稀疏度估计函数(Sparsity Estimation, SE),根据数据集稀疏程度灵活选取其中之一压缩数据集,相比采用单一存储结构消耗的内存更少;其次,提出了计算量估计函数(Computation Estimation, CE)来估计频繁1项集F-list中每一项的负载量,并根据计算量进行均匀分组;最后采用集合枚举树作为搜索空间,为避免组合爆炸和冗余搜索问题,设计了超集剪枝策略和基于宽度优先搜索的剪枝策略,生成最终的挖掘结果。实验结果表明,相比...
|
关 键 词: | 频繁项集 负载估计 MapReduce 稀疏度估计 集合枚举树 |
|
|