FP-Growth算法如何应用于长尾词推荐系统的关联规则挖掘？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1511个文字，预计阅读时间需要7分钟。
1994年，Rakesh Agrawal提出Apriori算法后，关联规则挖掘技术的实用性得到显著提升。由于关联规则挖掘与商业意义紧密相关，它迅速成为热门的研究领域。
在 1994 年 Rakesh Agrawal 提出了 Apriori 算法之后，关联规则挖掘技术的可用性得到了很大的提高。而且因为关联规则挖掘与生俱来的商业意义，使得它迅速成为了一个非常热门的研究领域，新的算法也不断地涌现出来。这其中，实用性比较强的一个算法，是由韩家玮教授提出的 FP-Growth 算法。FP-Growth 算法在 2000 年发表的这个 paper 《Mining Frequent Patterns without Candidate Generation》里有详细的介绍。读这篇 paper，我个人建议一定要同时把引文也都看一看，2000 年之前与关联规则挖掘相关的重要 paper，基本上都在里面了。
FP-Growth 算法的核心是 FP-Tree（Frequent Pattern Tree，频繁模式树）的构建，这个特殊的数据结构，是 FP-Growth 算法与 Apriori 算法相比，性能显著提高的原因所在。不过，仔细分析一下 FP-Tree 的实现，可以发现它与字符串处理算法中常用的 Prefix Tree 算法，有着异曲同工之妙。FP-Tree 通过合并一些重复路径，实现了数据的压缩，从而使得将频繁项集加载到内存中成为可能。之后以树遍历的操作，替代了 Apriori 算法中最耗费时间的事务记录遍历，从而大大提高了运算效率。详细的理论讲解可以阅读上面的论文，我这里还是把其中的例子翻译一下。
本文共计1511个文字，预计阅读时间需要7分钟。
1994年，Rakesh Agrawal提出Apriori算法后，关联规则挖掘技术的实用性得到显著提升。由于关联规则挖掘与商业意义紧密相关，它迅速成为热门的研究领域。
在 1994 年 Rakesh Agrawal 提出了 Apriori 算法之后，关联规则挖掘技术的可用性得到了很大的提高。而且因为关联规则挖掘与生俱来的商业意义，使得它迅速成为了一个非常热门的研究领域，新的算法也不断地涌现出来。这其中，实用性比较强的一个算法，是由韩家玮教授提出的 FP-Growth 算法。FP-Growth 算法在 2000 年发表的这个 paper 《Mining Frequent Patterns without Candidate Generation》里有详细的介绍。读这篇 paper，我个人建议一定要同时把引文也都看一看，2000 年之前与关联规则挖掘相关的重要 paper，基本上都在里面了。
FP-Growth 算法的核心是 FP-Tree（Frequent Pattern Tree，频繁模式树）的构建，这个特殊的数据结构，是 FP-Growth 算法与 Apriori 算法相比，性能显著提高的原因所在。不过，仔细分析一下 FP-Tree 的实现，可以发现它与字符串处理算法中常用的 Prefix Tree 算法，有着异曲同工之妙。FP-Tree 通过合并一些重复路径，实现了数据的压缩，从而使得将频繁项集加载到内存中成为可能。之后以树遍历的操作，替代了 Apriori 算法中最耗费时间的事务记录遍历，从而大大提高了运算效率。详细的理论讲解可以阅读上面的论文，我这里还是把其中的例子翻译一下。