重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (6): 189-194.doi: 10.3969/j.issn.1674-8425（Z）.2020.06.027
文 芳１，黄慧玲１，李腾达１，王佳斌２
摘要： 作为一种模糊关联规则挖掘算法，ＦＰ-ｇｒｏｗｔｈ算法在执行效率上明显优于 Ａｐｒｉｏｒｉ算 法。但是由于模糊属性的不足和空间复杂度较大，导致 ＦＰ-ｇｒｏｗｔｈ算法在处理大型事务数据库， 例如图书馆数据库时，无法实现有效的多层关联规则挖掘。因此，提出一种改进的 ＦＰ-ｇｒｏｗｔｈ关 联规则算法，能够快速向读者进行个性化图书推荐。首先，该算法把大型图书事务数据库根据 首项的事务，划分为若干子数据库，并构建相应的子 ＦＰ-ｔｒｅｅ结构；然后，采用实时过滤掉层次树 中不是频繁项的父项来缩小扫描空间。实验结果表明：相比 Ａｐｒｉｏｒｉ算法和标准 ＦＰ-ｇｒｏｗｔｈ算 法，提出的改进 ＦＰ-ｇｒｏｗｔｈ关联规则算法在运行效率方面有明显提升，为图书的推荐工作提供了 科学依据。
中图分类号:
主管单位：重庆市教育委员会