有效率的挖掘高頻物項集合演算法

Abstract

我們針對資料挖掘(Data Mining)㆗發掘關 聯式規則(Association Rules)的程序，提出新的 架構。本研究是在前製處裡㆗，將相同交易物 項集合做合併，累計交易次數，減少資料筆 數，並利用由㆖而㆘循序處裡，區分高頻物項 集合(Frequent itemsets) 與非高頻物項集合 (Infrequent itemsets)，可以有效率發掘關聯式 規則，在過程㆗不需要產生候選物項集合，並 對資料庫做㆒次的交易次數資料合併處理及 ㆒次的I/O 掃描即能產生高頻物項集合。我們 的結果在支持度變化㆗執行效率好而且呈現 穩定狀態，而Apriori 和DHP 演算法的執行效 率受支持度的影響非常大，尤其支持度較小 時，有大量的高頻2-物項集合結合為候選3- 物項集合，需要更大量的主記憶體，會直接影 響演算法的進行，而我們的方法證實能有效減 少主記憶體的使用，較不受支持度變化而影響 效能。