30、频繁项集查询并发处理与通用数据挖掘框架探索

频繁项集查询并发处理与通用数据挖掘框架探索

1. 频繁项集查询并发处理策略

在频繁项集查询并发处理方面，以往研究多围绕Apriori算法，而此次聚焦于FP - growth算法。为其考虑并实验评估了三种多查询处理策略：
- Mine Merge ：最初为Apriori算法提出，将原始查询集转换为对非重叠数据集的中间查询集。
- Common Building ：受Apriori的Common Counting启发，基于查询在数据库共享部分执行的数据集扫描集成，为FP - growth算法制定。
- Common FP - tree ：全新策略，旨在集成查询使用的内存结构，在FP - growth算法中实现。

实验表明，当查询数据集存在重叠时，Common Building相比顺序处理可减少总体处理时间，这与Apriori的Common Counting情况相同。而Mine Merge要在FP - growth算法中取得成功，相比Apriori需要查询之间有更显著的重叠。对于Common FP - tree，若查询数据集重叠超过30% - 50%（取决于数据集性质），其性能优于Common Building，且在所有情况下内存需求更小，适合高度重叠查询和内存有限的环境。对于重叠不显著的查询，Common Building更合适。