一种基于MapReduce的频繁项集挖掘算法 |
| |
引用本文: | 孙兵率.一种基于MapReduce的频繁项集挖掘算法[J].教育技术导刊,2015,14(4):75-77. |
| |
作者姓名: | 孙兵率 |
| |
作者单位: | 西安工程大学 计算机科学学院,陕西 西安 710048 |
| |
摘 要: | 随着大数据时代的到来,针对Apriori算法和FP Growth算法在挖掘海量规模数据频繁项集时,存在内存不足、计算效率低等问题,提出一种Aggregating_FP算法。该算法结合MapReduce并行计算框架与FP Growth算法,实现频繁项集的并行挖掘,对每个项进行规约合并处理,仅输出包含该项的前K个频繁项集,提高了海量数据决策价值的有效性。在Hadoop分布式计算平台上对多组规模不同的数据集进行测试。实验结果表明,该算法适合大规模数据的分析和处理,具有较好的可扩展性。
|
关 键 词: | 频繁项集 MapReduce Hadoop 可扩展性 |
A Algorithm for Mining Frequent Itemsets Based on MapReduce |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |