FP增长算法(FP Growth Algorithm)

0 问题描述

给定事务集${TS}$(Transaction Set), 项全集${IUS}$(Item Universal Set)以及支持度阈值$s_0$, 求所有支持度大于$s_0$的项集, 即频繁项集.

在${TS}$给定以后, 任意项集的支持度$s$和它在事务集中出现的频数$f$是等价的:

$$f = s \cdot |{TS}|$$ 因此为了方便叙述, 我使用”支持度”同时代表”项在事务集中出现的频数”以及”项在事务集中出现的频数与事务集大小之比”, 具体代表哪个含义, 可以根据上下文轻易区分.

1 记号

我们知道FP树是一棵前缀树, 树上每个节点关联一个项. 设$i \in {IUS}$是一个项, $fp$表示一棵FP树, 为方便叙述, 我引进以下符号:

• ${nodes}_i$: FP树上与项$i$相关联的节点的集合, 注意这样的节点可能有多个, 因此${node}_i$表示一类节点而不是FP树上特定的某个节点
• $fp$.$root$: $fp$的根节点, 在前缀树的通常实现方式里, 根节点不关联任何项
• $fp$.$headers$: FP增长算法需要遍历一棵FP树上的所有关联到同一个项的节点, 因此我们使用一个链表将${nodes}_i$中的元素串联在一起.这样, 每个${nodes}_i$关联一个链表, 所有这些链表的头存储在$fp$.$headers$中

我们说项是有大小的, 项的大小等于其支持度,, 因此项集是可以排序的. 对于已经排序的项集, 我们说”项集的最后一个元素”是指”项集中最小的项, 即项集中支持度最小的项.

2 从事务集构造一颗FP树

我们假设用于构造FP树的事务集为${ts}$, 项全集为${ius}$. FP增长算法的第一步是从${ts}$, ${ius}$构造一颗FP树$fp$, 然后删掉树上所有支持度小于$s_0$的单项. 这个过程同时会构造出$fp$.$heders$.

首先, 在算法开始的时候,