As stated in [11], sorting the item

As stated in [11], sorting the items in the header table by descending order of frequency will often increase the compression rate for an FP-tree compared with its corresponding database. The items in transactions will be inserted into FP-tree in their order in the header table, and a sorted header table will keep the nodes of more frequent items closer to the root, which usually enables more sharing of paths and produces higher compression.However, FP-growth and FPMAX only reorder the items in the header table of the initial FP-tree and follow this order to construct header tables of conditional FP-trees. We call this ordering method ‘‘static ordering’’.
In our algorithm, we apply the reordering process to the header tables of all FP-trees. We expect that the dynamic reordering process can make the FP-trees more compact. We dynamically sort items in the header table in descending order of frequency before generating each FP-tree. This ‘‘Dynamic Reordering’’ (DR) is also addressed in [7]. Generally, it will improve the performance in both space (less memory with smaller FP-trees) and time (fewer recursions). Let us study the following example. We refer to the example database and its corresponding initial FP-tree in Fig. 2. For item e, there are four conditional transactions, {(a:1), (c:1), (b:1)}, {(c:1), (b:1)}, {(a:1), (c:1)} and {(c:1)}. FP-growth generates the header table as {b:2, c:4, a:2} from top to bottom following the item order in the header table of the initial FP-tree. The corresponding conditional FP-tree is shown in Fig. 8a. In contrast, our algorithm organizes the header table as {c:4,a:2, b:2} from top to bottom after dynamic reordering and constructs the conditional FP-tree in Fig. 8b. There are five nodes in the conditional FP-tree in Fig. 8a, but only four nodes in Fig. 8b, which demonstrates the contribution of dynamic reordering in this case.

Kết quả (Việt) 1:

Như đã nêu trong [11], sắp xếp các khoản mục trong tiêu đề bảng theo thứ tự của tần số giảm dần sẽ thường làm tăng tỷ lệ nén cho một FP-cây so với cơ sở dữ liệu tương ứng của nó. Các mục trong giao dịch sẽ được chèn vào FP-cây theo thứ tự của họ trong tiêu đề bảng và một tiêu đề được sắp xếp bảng sẽ giữ lại các nút thường xuyên hơn mục gần gũi hơn vào thư mục gốc, mà thường cho phép thêm chia sẻ của những con đường và sản xuất nén cao hơn. Tuy nhiên, FP-tăng trưởng và FPMAX chỉ sắp xếp lại các mục trong bảng tiêu đề của FP-cây ban đầu và làm theo thứ tự này để xây dựng tiêu đề bảng FP-cây có điều kiện. Chúng tôi gọi này đặt hàng phương pháp '' tĩnh đặt hàng ''. Trong thuật toán của chúng tôi, chúng tôi áp dụng trình reordering cho các tiêu đề bảng của tất cả FP-cây. Chúng tôi hy vọng rằng trình reordering năng động có thể làm cho FP-cây nhỏ gọn hơn. Chúng tôi tự động sắp xếp các khoản mục trong bảng tiêu đề theo thứ tự giảm dần của tần số trước khi tạo ra mỗi FP-cây. Này '' động sắp xếp lại '' (tiến sĩ) cũng có địa chỉ trong [7]. Nói chung, nó sẽ cải thiện hiệu suất trong không gian (ít bộ nhớ với FP-cây nhỏ hơn) và thời gian (ít hơn recursions). Hãy để chúng tôi nghiên cứu ví dụ sau. Chúng tôi đề cập đến cơ sở dữ liệu ví dụ và của nó tương ứng ban đầu FP-cây trong hình 2. Cho mục e, có bốn điều kiện giao dịch, {(a:1), (c:1), (b:1)}, {(c:1), (b:1)}, {(a:1), (c:1)} và {(c:1)}. FP-tăng trưởng tạo ra bảng tiêu đề như {b:2, c:4, một: 2} từ trên xuống dưới theo thứ tự mục trong bảng tiêu đề ban đầu FP-cây. Có điều kiện tương ứng FP-cây được thể hiện trong hình 8a. Ngược lại, thuật toán của chúng tôi tổ chức các tiêu đề bảng như {c:4, một: 2, b:2} từ trên xuống dưới sau khi sắp xếp lại năng động và xây dựng FP-cây có điều kiện trong hình 8b. Có 5 nút trong FP có điều kiện-cây trong hình 8a, nhưng chỉ có bốn nút trong hình 8b, đó chứng tỏ sự đóng góp của động sắp xếp lại trong trường hợp này.

Kết quả (Việt) 2:

Như đã trình bày trong [11], phân loại các khoản mục trong bảng đánh đầu thứ tự giảm dần của tần số thường xuyên sẽ làm tăng tỷ lệ nén cho một FP-tree so với cơ sở dữ liệu tương ứng của nó. Các mặt hàng trong các giao dịch sẽ được chèn vào FP-tree trong thứ tự của chúng trong bảng tiêu đề, và một bảng tiêu đề sắp xếp sẽ giữ các nút của các mặt hàng thường xuyên hơn gần gũi hơn với người chủ, mà thường cho phép chia sẻ nhiều hơn lượng đường và sản xuất compression.However cao , FP-tăng trưởng và FPMAX chỉ sắp xếp lại các mục trong bảng tiêu đề của các ban đầu FP-tree và theo thứ tự này để xây dựng bảng tiêu đề của điều kiện FP-cây. Chúng tôi gọi phương thức đặt hàng này '' đặt hàng tĩnh ''.
Trong thuật toán của chúng tôi, chúng tôi áp dụng các quá trình sắp xếp lại các bảng tiêu đề của tất cả các FP-cây. Chúng tôi hy vọng rằng quá trình sắp xếp lại năng động có thể làm cho các FP-cây nhỏ gọn hơn. Chúng tôi tự động sắp xếp các mục trong bảng tiêu đề trong thứ tự giảm dần trước khi tạo ra mỗi FP-tree. Điều này '' Năng động, sắp xếp lại '' (DR) cũng được đề cập trong [7]. Nói chung, nó sẽ cải thiện hiệu suất trong cả không gian (ít bộ nhớ nhỏ hơn với FP-cây) và thời gian (recursions ít hơn). Hãy để chúng tôi nghiên cứu các ví dụ sau đây. Chúng tôi đề cập đến cơ sở dữ liệu ví dụ và tương ứng ban đầu FP-tree của nó trong hình. 2. Đối với các mặt hàng điện tử, có bốn điều kiện giao dịch, {(a: 1), (c: 1), (b: 1)}, {(c: 1), (b: 1)}, {(a: 1), (c: 1)} và {(c: 1)}. FP-phát triển tạo ra các bảng tiêu đề như {b: 2, c: 4, a: 2} từ trên xuống dưới theo thứ tự trong bảng mục tiêu đề ban đầu FP-tree. Tương ứng có điều kiện FP-tree được hiển thị trong hình. 8a. Ngược lại, thuật toán của chúng tôi tổ chức các bảng tiêu đề như {c: 4, a: 2, b: 2} từ trên xuống dưới sau khi sắp xếp lại năng động và xây dựng các điều kiện FP-tree trong hình. 8b. Có năm các nút trong điều kiện FP-tree trong hình. 8a, nhưng chỉ có bốn nút trong hình. 8b, mà thể hiện sự đóng góp của năng động sắp xếp lại trong trường hợp này.