CICLAD：一种面向数据流快速且内存高效的闭项集挖掘算法
数据库
2020-07-07 v1 机器学习
机器学习
摘要
从数据流中挖掘关联规则是一项具有挑战性的任务，因为(通常)可用资源有限而结果规模庞大。频繁闭项集(FCI)可实现高效的第一步，然而当前FCI流挖掘算法在资源消耗上并非最优，例如它们以额外代价存储大量多余项集。为寻求更好的存储-效率权衡，我们设计了Ciclad，一种基于交集的滑动窗口FCI挖掘算法。借助对FCI演化的深入洞察，它将最小存储与快速访问相结合。实验结果表明，Ciclad的内存占用远低于对比方法，且整体性能更优。
引用
@article{arxiv.2007.01946,
title = {CICLAD: A Fast and Memory-efficient Closed Itemset Miner for Streams},
author = {Tomas Martin and Guy Francoeur and Petko Valtchev},
journal= {arXiv preprint arXiv:2007.01946},
year = {2020}
}
备注
KDD20