一种基于分布式框架的舆情并行关联挖掘方法

摘要

本发明涉及一种基于分布式框架的舆情并行关联挖掘方法，首先将各目标网络舆情文本进行划分投影，生成各频繁项集；接着基于分区划分，设计有序模式森林，用于压缩存储舆情频繁模式；然后基于舆情频繁模式，提出深度路径搜索和长度优先超集检验，进行深度路径递归搜索生成最大舆情频繁候选项集，最后对舆情候选项集进行长度优先排序并检验超集，降低舆情候选项集的规模和挖掘次数，解决传统最大频繁项集挖掘算法在数据量大、维度高时效率低的问题，且对数据集规模具有良好的扩展性。