基于强化学习的大数据频繁项集挖掘算法

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.

关键词：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

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：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

在线出版日期：2019-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2270-2277