The FP-growth algorithm is based on

The FP-growth algorithm is based on the following principle: Let X and Y be two itemsets in database D, B be the set of transactions in D containing X. Then the support count of X [ Y in D is equivalent to the support count of Y in B. B is called the conditional pattern base of X. Given an item in the header table, according to its conditional pattern base, the FP-growth algorithm constructs a new FP-tree and mines it recursively. Let us examine the mining process based on the FP-tree shown in Fig. 2. We start from the bottom of the header table. For item d, it derives a frequent itemset (d:2) and two paths in the FP-tree: {(b:1), (c:1), (e:1)} and {(c:1), (a:1)}, which constitute d’s conditional pattern base. An FP-tree constructed from this conditional pattern base, called d’s conditional FP-tree, has only one branch {(c:2)}. Therefore only one frequent itemset (cd:2) is derived. The exploration for frequent itemsets associated with item d is terminated. Then one can continue to explore item e. For more information about the FP-tree and FP-growth algorithm, readers are referred to [11].

Kết quả (Việt) 1:

Thuật toán FP-tăng trưởng dựa trên các nguyên tắc sau đây: cho X và Y là hai itemsets trong cơ sở dữ liệu D, B là tập các giao dịch trong D có X. Sau đó hỗ trợ bá tước X [Y rê là tương đương với sự hỗ trợ của Y sinh Si được gọi là các mô hình có điều kiện cơ bản của X. Đưa ra một mục trong bảng tiêu đề, theo cơ sở có điều kiện mẫu của nó, các thuật toán FP-tăng trưởng xây dựng một cây FP mới và mines nó đệ quy. Hãy để chúng tôi kiểm tra quá trình khai thác dựa trên FP-cây minh họa trong hình 2. Chúng tôi bắt đầu từ phía dưới tiêu đề bảng. Cho mục d, nó có nguồn gốc một itemset thường xuyên (d:2) và 2 đường nét trong FP-cây: {(b:1), (c:1), (e:1)} và {(c:1), (một: 1)}, mà chiếm d có điều kiện mô hình cơ sở. Một FP-cây xây dựng từ mô hình này có điều kiện cơ sở, được gọi là d có điều kiện FP-cây, có chỉ có một chi nhánh {(c:2)}. Do đó chỉ có một thường xuyên itemset (cd:2) có nguồn gốc. Cuộc thám hiểm cho itemsets thường xuyên liên kết với mục d chấm dứt. Sau đó, một trong những có thể tiếp tục để khám phá mục e. Để biết thêm chi tiết về các thuật toán FP-cây và FP-tăng trưởng, độc giả được gọi [11].

Kết quả (Việt) 2:

Các thuật toán FP-tăng trưởng dựa trên các nguyên tắc sau đây: Cho X và Y là hai tập phổ biến trong cơ sở dữ liệu D, B là tập hợp của các giao dịch trong D chứa X. Sau đó, số lượng hỗ trợ của X [Y trong D là tương đương với số lượng hỗ trợ của Y trong B. B được gọi là cơ sở mô hình có điều kiện của X. Với một mục trong bảng tiêu đề, theo mô hình cơ sở có điều kiện của nó, thuật toán FP-tăng trưởng xây dựng một mới FP-tree và mỏ nó đệ quy. Hãy để chúng tôi kiểm tra quá trình khai thác dựa trên FP-tree hình. 2. Chúng tôi bắt đầu từ dưới cùng của bảng tiêu đề. Đối với mục d, nó xuất phát một tập phổ biến (d: 2) và hai đường dẫn trong FP-tree: {(b: 1), (c: 1), (e: 1)} và {(c: 1), (a: 1)}, tạo thành cơ sở mô hình có điều kiện d's. An FP-tree xây dựng từ cơ sở mô hình có điều kiện này, được gọi là d's có điều kiện FP-tree, chỉ có một chi nhánh {(c: 2)}. Vì vậy chỉ có một tập phổ biến (cd: 2) có nguồn gốc. Các thăm dò cho tập phổ biến liên kết với mục d được chấm dứt. Sau đó, người ta có thể tiếp tục khám phá mục e. Để biết thêm thông tin về các FP-tree và thuật toán FP-tăng trưởng, độc giả được gọi [11].