Hadoop下的关联规则分析研究

来源：计算机技术与发展杂志2015年第09期北京时间：

作者：伊瑶瑶;茅苏

摘要：Apriori算法是关联规则挖掘中最基本也是最重要的算法之一。但现有的Apriori算法存在对数据库的扫描次数过多，产生了大量的候选项集合，算法执行效率较低，运行时间显著增加等问题。文中针对现有Apriori扫描数据库过于频繁的问题，在Hadoop平台下对Apriori算法进行改进，提出一种改进算法H-Apriori算法。利用并行方法计算频繁项集，该算法将原始数据集按字母排序，减少频繁项集的计算开销，避免反复扫描数据库带来的时间上的消耗，从而提高算法的执行效率。通过与传统Apriori算法的执行时间相比较，实验结果表明，提出的改进算法H-Apriori明显减少了访问数据库的时间，有较高的执行效率。

关键词：关联规则;支持度;置信度;频繁项集