15、数据流滑动窗口中项集近期出现情况的近似维护方法

数据流滑动窗口中项集近期出现情况的近似维护方法

1. 引言

在过去十年中，静态数据库中挖掘频繁项集的策略得到了广泛研究，如Apriori、DHP和FP - growth算法。近年来，数据流作为一种快速生成的无界数据元素序列，为收集数据源提供了动态环境。不过，挖掘数据流存在一些限制，比如只能对数据进行一次扫描，且挖掘过程需在有限的内存使用下完成。

由于无法完全存储数据流中的历史数据，因此需要一种能提供有精度保证的近似答案的方法。此前有基于哈希的方法，每个数据流中的项在哈希表中有各自的计数器列表，且计数器可被多个项共享，还有hCount算法用于维护数据流中的频繁项，支持项的插入和删除，且内存使用较少。Lossy - counting算法也是挖掘数据流频繁项集的代表方法，它通过误差容忍参数ε修剪支持度小于ε的模式，减少了内存使用，且能保证无漏判情况，每个模式的估计频率误差不超过给定的误差容忍参数。

然而，除了内存使用限制，时间敏感性也是挖掘数据流频繁项集的重要问题。随着时间推移，数据流中的知识可能快速变化。为捕捉数据的近期趋势，estDec算法对每个项集的旧出现情况进行衰减，以减少旧事务对频繁项集挖掘结果的影响。滑动窗口方法则定义当前滑动窗口由数据流中最近的w个事务组成，近期频繁项集就是从当前滑动窗口中挖掘出的频繁项集。但传统方法需维护当前滑动窗口中的所有事务，以消除超出窗口范围的事务对挖掘结果的影响。此外，还有时间敏感的滑动窗口方法，但当最小支持阈值降低时，基本块中频繁项集数量会大幅增加，导致表维护成本上升，算法执行效率下降。

为此，提出了频率变化点（FCP）方法来监控数据流中项集的近期出现情况，避免存储滑动窗口内的整个事务数据。该方法还进行了扩展，能有效发现近期