[发明专利]一种基于邻接比特压缩表的频繁闭项集挖掘算法

权利要求书

1.一种基于邻接比特压缩表的频繁闭项集挖掘方法，其特征在于，包括如下步骤：

步骤1)定义基础数据结构，包括四种数据结构：原始数据集结构、邻接比特压缩表结构、初始运算数组结构，以及运算与检索栈结构；

步骤2)数据初始化：首先将原始数据集DataSet转换成垂直数据集并压缩到序列Inite_t″_able中，之后剔除小于最小支持度minsup的元素，并基于sup升序排列形成序列Inite_t′_able；最后将序列Inite_t′_able中的元素依次与其右侧元素做“项归并”操作，操作结束之后形成序列Inite_table；

步骤3)采用频繁闭项集挖掘主算法进行运算：运算指针P依次调用序列Inite_table中的元素与运算栈Cal_stuck顶部元素完成结合与闭合校验运算；结合形成新结点，若校验通过，则入运算栈Cal_stuck；当运算指针P溢出，则运算栈Cal_stuck顶部元素出运算栈入检索栈Check_stuck，当运算栈Cal_stuck为空同时，且运算指针P为溢出状态时，运算结束；

步骤4)确定检索栈Check_stuck的运算规则：运算栈Cal_stuck入栈元素基于该元素在运算栈Cal_stuck中的位置信息，在检索栈Check_stuck中自顶部至底部找到合适的位置后，完成入检索栈Check_stuck的操作；

所述步骤1具体包括：

步骤1.1)定义原始数据集结构：

原始数据集为包含若干项id交易序列，所述id交易序列为商品订单序列，数学表达式如下：

其中，Y是包含所有id信息的全集，X_i是Y的任意一个子集，原始数据集DataSet包含n个Y的子集；

步骤1.2)定义邻接比特压缩表结构：

邻接比特压缩表为包含m个元素的序列，每个元素包含位置信息与值信息，数学表达式如下：

其中，C_i为邻接比特元素，原始数据集分为八位一组的序列，pos位表示原始数据集中第几个序列的值，value位记录当前序列八位中，哪几位出现了目标id，出现用1表示，未出现用0表示；如果八位均为0，则该元素不出现，因此取值范围从1到255；Cab_table是包含m个邻接比特元素的序列；

步骤1.3)定义运算数组结构：

按照垂直数据集的结构将原始数据集进行调整与压缩，形成初始数据集；初始数据集包含三个部分，支持度、用邻接比特表压缩表示的项集合、用邻接比特表表示的交易集合，数学表达式如下：

其中，Inite_table是包含了k个元素的序列，在每个元素中，id_cab是对项id进行压缩后的邻接比特压缩表，按行从左至右扫描原始数据集过程中，每一个id用第一次出现的位置代替，若原始初级id值去重后共有m项，则创建一个长度为m的序列存储id值，id在原始数据集中先出现则占据序列前边的位置，然后将该序列八位一组拆分，之后用邻接比特压缩表表示，则将每个id转换成id_cab，同时多个id形成的数据集也由id_cab表示；sup表示当前id_cab在原始数据集中，有多少交易序列所包含；trade_cab表示在原始数据集中，具体哪几笔交易序列所包含；

步骤1.4)定义运算与检索栈结构：

在运算与检索的过程中用到的栈结构，每个栈元素包括两个部分，位置标识和邻接比特压缩表结构数据，数学表达式如下：

其中，Stuck是一个先进后出的栈结构，栈内元素的loc表示当前运算元素在Inite_table序列中的位置，y的数据结构与Inite_table中元素的数据结构相同，用来记录运算后的结果数据。