詳解Java如何實現FP-Growth算法
FP-Growth算法的Java實現
這篇文章重點講一下實現。需要兩次掃描來構建FP樹
第一次掃描
第一次掃描，過濾掉所有不滿足最小支持度的項；對於滿足最小支持度的項，按照全局支持度降序排序。
按照這個需求，可能的難點為如何按照全局支持度對每個事務中的item排序。
我的實現思路
- 掃描原數據集將其保存在二維列表sourceData中
- 維護一個Table，使其保存每個item的全局支持度TotalSup
- 在Table中過濾掉低於閾值minSup的項
- 將Table轉換為List，並使其按照TotalSup降序排序
- 新建一個二維列表freqSource，其保留sourceData中的頻繁項，並將每個事務按全局支持度降序排序
代碼
/**
* 掃描原數據集,生成事務集
* @param path 數據集路徑
* @throws IOException
*/
private void scanDataSet(String path) throws IOException {
if(path.equals("")){
path = filePath;
}
FileReader fr = new FileReader(path);
BufferedReader bufferedReader = new BufferedReader(fr);
String str;
// int maxLength = 0;
while ( (str = bufferedReader.readLine())!=null){
ArrayList<Integer> transaction = new ArrayList<>();
String[] tempEntry ;
tempEntry = str.split(" ");
for(int i =0;i< tempEntry.length;i++){
if(!tempEntry[i].equals("")){
int itemValue = Integer.parseInt(tempEntry[i]);
transaction.add(itemValue);
if(!similarSingleItemLinkedListHeadsTable.containsKey(itemValue)){
similarSingleItemLinkedListHeadsTable.put(itemValue, new SimilarSingleItemLinkedListHead(itemValue,null,1));
}else{
//將該項的全局支持度+1
similarSingleItemLinkedListHeadsTable.get(itemValue).addSupTotal();
}
}
}
// if(tempEntry.length>maxLength){
// maxLength = tempEntry.length;
// }
sourceDataSet.add(transaction);
}
// System.out.println(maxLength);
deleteNonFreqInSSILLHTAndSort();
deleteNonFreqInSDSAndSort();
bufferedReader.close();
fr.close();
}
/**
* 去除相似項表(similarSingleItemLinkedListHeadsTable)的非頻繁項,並按全局支持度對similarSingleItemLinkedListHeads降序排序
*/
private void deleteNonFreqInSSILLHTAndSort() {
Hashtable<Integer,SimilarSingleItemLinkedListHead> copyOfSSILLHT =
(Hashtable<Integer, SimilarSingleItemLinkedListHead>) similarSingleItemLinkedListHeadsTable.clone();
Set<Integer> keySet = copyOfSSILLHT.keySet();
//刪除非頻繁項
for(int key: keySet){
if(similarSingleItemLinkedListHeadsTable.get(key).getSupTotal()<minSupCnt){//低於支持度閾值
similarSingleItemLinkedListHeadsTable.remove(key);
}
}
//按全局支持度排序
similarSingleItemLinkedListHeadList = new ArrayList<>(similarSingleItemLinkedListHeadsTable.values());
similarSingleItemLinkedListHeadList.sort(new Comparator<SimilarSingleItemLinkedListHead>() {
@Override
public int compare(SimilarSingleItemLinkedListHead o1, SimilarSingleItemLinkedListHead o2) {
return o2.getSupTotal() - o1.getSupTotal();
}
});
}
/**
* 去除事務集(sourceDataSet)的非頻繁項,並且按全局支持度對每個事務的item進行降序排序
* 其結果保存在freqSourceSortedDataSet
*/
private void deleteNonFreqInSDSAndSort(){
freqSourceSortedDataSet = (ArrayList<ArrayList<Integer>>) sourceDataSet.clone();
for(int i =0;i<sourceDataSet.size();i++){
for(int j = 0;j<sourceDataSet.get(i).size();j++){
int item = sourceDataSet.get(i).get(j);
// 由於此時SSILLHT裡的項都是頻繁項,隻需要確定item是否存在在其中即可,存在即代表頻繁.
if(visitSupTotal(item)==-1){
//將非頻繁項標記為最小整數值
freqSourceSortedDataSet.get(i).set(j,Integer.MIN_VALUE);
}
}
//將標記的項移除.
freqSourceSortedDataSet.get(i).removeIf(e->e == Integer.MIN_VALUE);
insertSort(freqSourceSortedDataSet.get(i));
}
freqSourceSortedDataSet.removeIf(e->e.size() == 0);
}
第二次掃描
第二次掃描，構造FP樹。
參與掃描的是過濾後的數據，如果某個數據項是第一次遇到，則創建該節點，並在headTable中添加一個指向該節點的指針；否則按路徑找到該項對應的節點，修改節點信息
這裡比較簡單，因為已經有過濾、排序好的數據freqSourceSortedDataSet。我們隻需要
- 遍歷freqSourceSortedDataSet的每一個事務trans，遍歷trans中的每一個item構建FP樹和相似項鏈表
- 如果某item第一次遇到，則需要創建該節點並在相似項鏈表中鏈接它。
- 鏈表不用多說。
- 這裡的FP樹的子節點是不定個數的，需要用特殊的數據結構。我這裡使用瞭HashTable
/**
* 構建FP樹
*/
private void buildFPTree(){
for(ArrayList<Integer>trans:freqSourceSortedDataSet){
Node curTreeNode = fpTree.root;
for(int item :trans){
if(!curTreeNode.children.containsKey(item)){
Node node = new Node(item,1);
curTreeNode.children.put(item,node);
node.father = curTreeNode;
buildSimilarSingleItemLinkedList(item,curTreeNode);
}else{
curTreeNode.children.get(item).sup++;
}
curTreeNode=curTreeNode.children.get(item);
}
}
}
/**
* 構建相似項鏈表
*/
private void buildSimilarSingleItemLinkedList(int item,Node curTreeNode){
//找到該item在相似項鏈表中的位置
int index = searchForItemInHeadsList(item,
(ArrayList<SimilarSingleItemLinkedListHead>) similarSingleItemLinkedListHeadList);
if(similarSingleItemLinkedListHeadList.get(index).next == null){
similarSingleItemLinkedListHeadList.get(index).next = curTreeNode.children.get(item);
}else{
Node visitNode = similarSingleItemLinkedListHeadList.get(index).next;
while (visitNode.nextSimilar!=null){
visitNode = visitNode.nextSimilar;
}
if(visitNode != curTreeNode.children.get(item))
visitNode.nextSimilar = curTreeNode.children.get(item);
}
}
/**
* 在HeadList中搜索某項的位置
* @param item 項
* @param similarSingleItemLinkedListHeads 頭結點鏈表
* @return 位置,-1表示未找到
*/
private int searchForItemInHeadsList(int item, ArrayList<SimilarSingleItemLinkedListHead> similarSingleItemLinkedListHeads) {
for(int i =0;i<similarSingleItemLinkedListHeads.size();i++){
if(similarSingleItemLinkedListHeads.get(i).getItemValue() == item){
return i;
}
}
return -1;
}
挖掘頻繁項集
這一部分個人覺得是實現上最困難的部分。但是我在B站或其他地方一涉及到這個地方都講得很快（B站也沒兩個視頻講這玩意兒，吐）。還有不同的概念，比如在黑皮書上講的是前綴路徑，在其他地方有條件模式基等概念。接下來的代碼均按照前綴路徑的說法來實現。
我們來捋一捋思路，挖掘頻繁項集需要幹什麼。
首先需要從後向前遍歷相似項鏈表的列表（這一列表已經在第一次掃描中按全局支持度排過序瞭）的每一項。
對每一項遞歸地進行如下步驟：
①記錄前綴路徑。我使用的方法是用一個HashSet記錄前綴路徑中出現的所有節點。
②記錄該FP樹的每一item的支持度。類似於前面的第一次掃描。
③根據記錄的支持度，如果item頻繁，則該item和當前的後綴為頻繁項集。
④再根據record構建該FP樹的相似項鏈表列表，去除掉非頻繁項（類似第一次掃描）和當前item構成條件FP樹。這裡並不需要重新建立一個FP樹的結構來構成條件FP樹，因為記錄前綴路徑隻需要訪問相似項和父項。
⑤對相似項鏈表列表的剩餘項再進行①步驟，直到相似項鏈表列表中沒有項，為終止。
/**
* 算法執行函數
* @param minSupCnt 最小支持度計數
* @param path 文件路徑
* @param pT 輸出結果的項集大小閾值
*/
public void run(int minSupCnt,String path,int pT) throws IOException {
this.printThreshold = pT;
this.minSupCnt = minSupCnt;
scanDataSet(path);
buildFPTree();
for(int i = similarSingleItemLinkedListHeadList.size()-1;i>=0;i--){
genFreqItemSet(similarSingleItemLinkedListHeadList.get(i).getItemValue()
,fpTree,similarSingleItemLinkedListHeadList,new TreeSet<>());
}
//genFreqItemSet(14,fpTree,similarSingleItemLinkedListHeadList,new TreeSet<>());
System.out.println("頻繁項集個數:\t"+cntOfFreqSet);
}
/**
* 生成頻繁項集
* @param last 最後項
* @param fPTree 條件FP樹
* @param fatherSimilarSingleItemLinkedListHeads 父樹的相似項頭結點鏈表
* @param freqItemSet 頻繁項集
*/
private void genFreqItemSet(int last,FPTree fPTree,
List<SimilarSingleItemLinkedListHead>fatherSimilarSingleItemLinkedListHeads,TreeSet<Integer>freqItemSet) {
FPTree conditionalFPTree = new FPTree();
List<SimilarSingleItemLinkedListHead>similarSingleItemLinkedListHeads = new ArrayList<>();
TreeSet<Integer>localFreqItemSet = (TreeSet<Integer>) freqItemSet.clone();
int index ;
index = searchForItemInHeadsList(last,
(ArrayList<SimilarSingleItemLinkedListHead>) fatherSimilarSingleItemLinkedListHeads);
Node firstNode = fatherSimilarSingleItemLinkedListHeads.get(index).next;
HashSet<Node>record = new HashSet<>(); //用於記錄前綴路徑上出現的節點
//記錄前綴路徑
if(firstNode!=null){
record.add(firstNode);
Node nodeToVisitFather = firstNode;
Node nodeToVisitSimilar = firstNode;
while (nodeToVisitSimilar!=null){
nodeToVisitSimilar.supInCFP = nodeToVisitSimilar.sup;
nodeToVisitFather = nodeToVisitSimilar;
while (nodeToVisitFather!=null){
// 計算supInCFT
if(nodeToVisitFather!=nodeToVisitSimilar)
nodeToVisitFather.supInCFP += nodeToVisitSimilar.supInCFP;
record.add(nodeToVisitFather);
nodeToVisitFather = nodeToVisitFather.father;
}
nodeToVisitSimilar = nodeToVisitSimilar.nextSimilar;
}
//記錄在子樹中的支持度
Hashtable<Integer,Integer> supRecord = new Hashtable<>();
record.forEach(new Consumer<Node>() {
@Override
public void accept(Node node) {
int item = node.item;
if(item == -1 ){ //根節點
return;
}
if(supRecord.containsKey(item)){
supRecord.put(item,supRecord.get(item)+ node.supInCFP);
}else{
supRecord.put(item,node.supInCFP);
}
}
});
//輸出結果
if(supRecord.get(last)>=minSupCnt){
localFreqItemSet.add(last);
if(localFreqItemSet.size()>=printThreshold && !result.contains(localFreqItemSet)){
cntOfFreqSet++;
// for(int i = localFreqItemSet.size()-1;i>=0;i--){
// System.out.print(localFreqItemSet.get(i)+" ");
// }
localFreqItemSet.forEach(new Consumer<Integer>() {
@Override
public void accept(Integer integer) {
System.out.print(integer+" ");
}
});
result.add(localFreqItemSet);
System.out.println("");
}
}
//構建相似項鏈表
record.forEach(new Consumer<Node>() {
@Override
public void accept(Node node) {
if(node.item == -1){ //根節點
Node visitNode = node;
buildConditionalFPTree(conditionalFPTree.root, visitNode,record,
(ArrayList<SimilarSingleItemLinkedListHead>) similarSingleItemLinkedListHeads,supRecord,last);
}
}
});
//按支持度降序排序
similarSingleItemLinkedListHeads.sort(new Comparator<SimilarSingleItemLinkedListHead>() {
@Override
public int compare(SimilarSingleItemLinkedListHead o1, SimilarSingleItemLinkedListHead o2) {
return o2.getSupTotal() - o1.getSupTotal();
}
});
if(similarSingleItemLinkedListHeads.size()>=1){
//遞歸搜索頻繁項
for(int i =similarSingleItemLinkedListHeads.size()-1;i>=0;i--){
genFreqItemSet(similarSingleItemLinkedListHeads.get(i).getItemValue(),
conditionalFPTree,similarSingleItemLinkedListHeads,localFreqItemSet);
// similarSingleItemLinkedListHeads.remove(i);
}
}
}
}
/**
* 遞歸構建條件FP樹
* @param rootNode 以該節點為根向下建立條件FP樹
* @param originalNode rootNode對應在原樹中的節點
* @param record 前綴路徑
* @param similarSingleItemLinkedListHeads 相似項表頭鏈表
* @param supRecord 支持度計數的記錄
* @param last 最後項
*/
private void buildConditionalFPTree(Node rootNode,Node originalNode,HashSet<Node>record
,ArrayList<SimilarSingleItemLinkedListHead>similarSingleItemLinkedListHeads,Hashtable<Integer,Integer>supRecord,int last){
if(originalNode.children!=null){
for(int key:originalNode.children.keySet()){ //遍歷originalNode的所有兒子節點,檢查其是否在前綴路徑中
Node tempNode = originalNode.children.get(key);
if(record.contains(tempNode)){
Node addedNode = new Node(tempNode.item, tempNode.supInCFP);
if(last == key){ //去除last的所有節點
tempNode.supInCFP = 0;
continue;
}
if(supRecord.get(key)>=minSupCnt){
//addedNode 拷貝 tempNode除兒子節點外的屬性
addedNode.supInCFP = tempNode.supInCFP;
rootNode.children.put(tempNode.item, addedNode);
addedNode.father = rootNode;
//構建相似項表
int i = searchForItemInHeadsList(tempNode.item,similarSingleItemLinkedListHeads);
if(i==-1){
similarSingleItemLinkedListHeads.add(new SimilarSingleItemLinkedListHead(key,addedNode, addedNode.supInCFP));
}else{
similarSingleItemLinkedListHeads.get(i).setSupTotal(similarSingleItemLinkedListHeads.get(i).getSupTotal()+addedNode.supInCFP);
Node visitNode = similarSingleItemLinkedListHeads.get(i).next;
while (visitNode.nextSimilar!=null){
visitNode = visitNode.nextSimilar;
}
if(visitNode!=addedNode){
visitNode.nextSimilar= addedNode;
}
}
buildConditionalFPTree(addedNode,originalNode.children.get(key),record,similarSingleItemLinkedListHeads,supRecord,last);
addedNode.supInCFP = 0; //將supInCFP重置為0;
}else{
buildConditionalFPTree(rootNode,originalNode.children.get(key),record,similarSingleItemLinkedListHeads,supRecord,last);
}
}
}
}
}
完整代碼
FP-Growth
到此這篇關於詳解Java如何實現FP-Growth算法的文章就介紹到這瞭,更多相關Java實現FP-Growth算法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- vue中的el-tree @node-click傳自定義參數
- java數據結構實現雙向鏈表功能
- 詳解Java實現拓撲排序算法
- Java ArrayList與LinkedList使用方法詳解
- java數據結構基礎:單,雙向鏈表