基于FLAAT的加权偏爱模式的挖掘算法

摘要

在实际应用中,一个网站的网页对用户有着不同的重要性.该文每个网页由不同的专家给出语义上的重要性评估,这些语义评估再被转化成表示权重的模糊集.此外,由于树结构在挖掘频繁项目时不需要产生频繁项集及对这些频繁项进行测试而被广泛应用于数据挖掘中.然而,单纯的树结构可能造成有用信息的丢失.因此,该文提出了一种新的结构--频繁链表加存取树(简称为FLAAT),并在此结构上提出了一种有效的加权偏爱模式的挖掘算法.试验证明该文的算法是行之有效的.