基于强化学习的大数据频繁项集挖掘算法

作     者：郑英姿 张福泉 李立杰 ZHENG Ying-zi;ZHANG Fu-quan;LI Li-jie

作者机构：广东技术师范学院天河学院计算机科学与工程学院广东广州510540 北京理工大学计算机学院北京100081 

基　　金：广东省高校教学质量与教学改革工程基金项目(2017SZ02、2017SZ03) 广东省青年创新类人才基金项目(自然科学类)(2017KQNCX271) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2019年第40卷第8期

页      码：2270-2277页

摘      要：针对当前大数据集频繁项集挖掘算法处理速度慢的问题,提出一种快速的大数据频繁项集挖掘算法。对多目标强化学习技术进行改进,使其适合频繁项集挖掘的应用场景;将频繁1-项集作为强化学习的初始化空间,解决随机初始化方案性能不稳定的问题;利用频繁项集的递归属性引导项集空间的搜索过程,合理地缩小搜索空间。基于不同规模的会话数据集进行仿真实验,结果表明,该算法对于不同规模的数据集均实现了较高的计算效率,获得了较高的挖掘准确率。

主 题 词：关联规则 频繁项集挖掘 大数据技术 递归特性 强化学习 深度学习技术 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2019.08.028

馆 藏 号：203705681...