计算机工程

作者：李洁, 朱洪亮, 陈玉玲, 辛阳

单位：1. 北京邮电大学 网络空间安全学院, 北京 100876;2. 贵州大学 贵州省公共大数据重点实验室, 贵阳 550025

关键词：关联规则,频繁项集,哈希存储,事务加权,并行计算

基金：国家重点研发计划（2017YFB0802300）；贵州省科技重大专项（20183001）；贵州省公共大数据重点实验室开放课题（2018BDKFJJ008，2018BDKFJJ020）。

Apriori算法能够挖掘事物之间的关联关系，但传统Apriori算法每计算一次候选集的支持度，都需要遍历原始事务数据库，多次扫描数据库导致其效率较低。为此，提出一种基于哈希存储与事务加权的改进算法。通过哈希存储的去重特性对事务进行去重，以减少冗余计算。将项目与项集的映射存储到哈希结构中，避免计算候选集的支持度时多次扫描事务数据库。同时开启多个线程，并行计算候选集的支持度，从而提高Apriori算法的运行效率。在开源数据集上的实验结果表明，当数据集中事务条数以及重复事务数越多时，该算法相较于传统Apriori算法的性能提升越明显，其运行时间与FP-Growth算法相近但避免了FP-Growth算法内存占用过大的问题。

来源：2020年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第11期