mmc2015的专栏

基于FP-Growth的频繁项集挖掘与基于社交图的关联规则挖掘一、任务简介 1二、数据集 1三、基本思路 23.1、发掘各个会议的“核心”研究者 23.2、挖掘作者之间的合作关系 33.3、挖掘导师-学生关系 5四、正确性验证 5五、总结 5  一、任务简介本次挖掘任务有三个：第一，发掘各个会议的“核心”研究者，具体包括在相应会议上的发表文章数量、活

就是频繁项集挖掘，FP-Growth算法。先产生headerTable：数据结构（其实也是调了好几次代码才确定的，因为一开始总有想不到的东西）：entry: entry: {authorName: frequence, firstChildPointer, startYear, endYear}def CreateHeaderTable(tranDB, minSupport=1

在只有【论文标题、发布时间、作者、会议名称】这四种信息的情况下，首先提取出所有这四种信息：代码产生的结果如下，数据结构类似于headerTable，看结果就知道了，不再介绍：authorDict={} #{authorName: total(frequence, startYear, endYear), {eachConf(frequence, startYear, endYear)}}

首先是挖掘任务：思路明天写。。。。。

上篇文章：http://blog.youkuaiyun.com/mmc2015/article/details/50988375 （挖掘DBLP作者合作关系，FP-Growth算法实践（1）：从DBLP数据集中提取目标信息（会议、作者等））大家反映代码不能用，主要是太慢了，好吧，我也承认慢，在内存构造树，肯定的！这次给出另外两种。为了完整，先给出dom：#do not use

首先从官网下载DBLP数据集http://dblp.uni-trier.de/xml/只需下载 dblp.xml.gz 解压后得到1G多dblp.xml文件！文件略大。从原始数据中提取样本：r=open("dblp.xml","r")w=open("dblpExample.xml","w")for i in range(30): print