HUI-Miner：高效的高效用项集(high-utility itemset)挖掘算法

最新推荐文章于 2023-11-30 22:04:18 发布

黄骨鱼骨

最新推荐文章于 2023-11-30 22:04:18 发布

阅读量2.8k

点赞数

分类专栏：数据挖掘、机器学习、模式识别经典算法文章标签： java 算法 HUI-Miner 高效用项集挖掘算法

本文链接：https://blog.csdn.net/jiafgn/article/details/65938866

版权

本文详细介绍了HUI-Miner算法，这是一种用于高效用项集挖掘的方法，由武汉大学的研究团队提出。HUI-Miner通过改进反单调性的上界并避免生成候选项集来提高效率。文章首先解释了数据结构Utility-List，并展示了如何根据TWU对项进行排序。接着，阐述了算法的深度优先搜索流程，生成1-itemset Utility-List，并逐步合成更高阶的项集。最后，提供了HUI-Miner的Java实现代码供读者参考。

摘要由CSDN通过智能技术生成

在之前的博客中我介绍过我的研究方向高效用挖掘算法。今天我将介绍解决这一问题的一个运行速度很快，并且很容易理解的一个算法–HUI-Miner，并会提供Java实现。

HUI-Miner由武汉大学刘梦赤及其博士生屈俊峰提出。之前的博客说明过高效用项集挖掘是频繁项集挖掘的一个延伸。而频繁项集挖掘算法都利用了反单调性去减小搜索空间。而高效用挖掘却不能直接适用这一性质。即一个项集的超集的总效用有可能大于也有可能小于或者等于这一项集的效用。一个经典解决方法是找了项集效用的上界(Upper bound)TWU。 TWU是指包含某一项集的所有交易的总效用。可以看出TWU是符合反单调性的，所以有很多算法分为两步：一、找出所有TWU>min_util 的项集，二、重新计算这些候选项集真实的效用。今天要讲的HUI-Miner在这一基础上的改进主要是两个方面：一、找到一个比TWU更紧凑的上界；二、算法不生成候选项集，而是直接生成高效用项集。

数据结构

在介绍数据结构的前，先介绍一下算法一个特点，方便数据结构的理解：在本算法中，会根据item的TWU先作一个排序（一般为TWU降序）。
这一算法的核心是它的数据结构Utility-List。Utility-List相当于一个数据表，共分为3栏，第一栏是交易ID(TID），第二栏是项集在本交易项集中的效用(iUtil)，第三栏