一种频繁项挖掘方法、装置、服务器及可读存储介质与流程

[0001]
本申请属于数据处理技术领域，尤其涉及一种频繁项挖掘方法、装置、服务器及可读存储介质。


背景技术：

[0002]
在经典的超市摆台案例中，尿布和啤酒的关系，随着超市人员对顾客购物篮中的东西进行分析，发现男性顾客在买完尿布都会再去买啤酒，针对该情况，可以给超市人员的启发是在摆放尿布的时候旁边可以再摆放啤酒，减少了客户查找的时间，也提升了超市的营业额。再者面包和牛奶，人们在买牛奶的时候，多数也会购买面包，因此二者也可以摆在相邻的位置。因此根据人们的行为轨迹发现事物之间的关联规则是必不可少的。现有技术中，一般是通过apriori算法挖掘出频繁项，从而确定频繁项之间的关系，但是其缺点是产生频繁k-1项集进行自连接生成的候选频繁k项集数量巨大而且在验证候选频繁k项集时需要对整个数据库进行扫描，非常耗时。


技术实现要素：

[0003]
有鉴于此，本申请实施例提供了一种频繁项挖掘方法、装置、服务器及可读存储介质，以解决现有技术对频繁项挖掘过程中耗时较差的问题。
[0004]
本申请实施例的第一方面提供了一种频繁项挖掘方法，包括：获取目标数据集；根据所述目标数据集中目标对象之间的关联关系生成知识图谱；基于预设的支持度阈值，从所述知识图谱中筛选出频繁项。
[0005]
在第一方面的一种可能的实现方式中，获取目标数据集，包括：获取数据集；对所述数据集进行预处理，得到所述目标数据集。
[0006]
在第一方面的一种可能的实现方式中，根据所述目标数据集中目标对象之间的关联关系生成知识图谱，包括：计算所述目标数据集中每个所述目标对象的频次以及支持度；根据所述目标对象的频次以及支持度确定出所述目标对象之间的连接关系，以及所述连接关系对应的关系频次；基于所述目标对象之间的连接关系，以及所述连接关系对应的关系频次构建所述知识图谱。
[0007]
在第一方面的一种可能的实现方式中，基于预设的支持度阈值，从所述知识图谱中筛选出频繁项，包括：将所述预设的支持度阈值输入至所述知识图谱对应的数据库中，得到所述频繁项。
[0008]
本申请实施例的第二方面提供了一种，包括：获取模块，用于获取目标数据集；
生成模块，用于根据所述目标数据集中目标对象之间的关联关系生成知识图谱；筛选模块，用于基于预设的支持度阈值，从所述知识图谱中筛选出频繁项。
[0009]
在第二方面的一种可能的实现方式中，所述获取模块包括：获取单元，用于获取数据集；预处理单元，用于对所述数据集进行预处理，得到所述目标数据集。
[0010]
在第二方面的一种可能的实现方式中，所述生成模块包括：计算单元，用于计算所述目标数据集中每个所述目标对象的频次以及支持度；确定单元，用于根据所述目标对象的频次以及支持度确定出所述目标对象之间的连接关系，以及所述连接关系对应的关系频次；构建单元，用于基于所述目标对象之间的连接关系，以及所述连接关系对应的关系频次构建所述知识图谱。
[0011]
在第二方面的一种可能的实现方式中，所述筛选模块包括：输出单元，用于将所述预设的支持度阈值输入至所述知识图谱对应的数据库中，得到所述频繁项。
[0012]
本申请实施例的第三方面提供了一种服务器，包括：存储器、处理器、摄像装置以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述方法的各个步骤。
[0013]
本申请实施例的第四方面提供了一种可读存储介质，包括：计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述提取方法的各个步骤。
[0014]
本申请实施例与现有技术相比存在的有益效果是：本申请实施例采用知识图谱的形式挖掘出频繁项，减少了查找频繁项时对数据库的整体查询，提高了效率，降低了耗时。
附图说明
[0015]
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0016]
图1是本申请实施例提供的一种频繁项挖掘方法的一种流程示意图；图2是本申请实施例提供的一种频繁项挖掘结构示意图；图3是本申请实施例提供的服务器的示意图；图4是本申请实施例提供的一种频繁项挖掘方法的图1中数据结果存储到数据库中展示效果的示意图；图5是本申请实施例提供的一种频繁项挖掘方法的图1中连接关系对应的关系频次转换为支持度的展示效果的示意图。
具体实施方式
[0017]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体
细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0018]
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
[0019]
参见图1，为本申请实施例提供的一种频繁项挖掘方法的一种流程示意图，该方法应用于服务器，该方法包括以下步骤：步骤s101、获取目标数据集。
[0020]
示例性地，获取目标数据集的具体过程可以是：第一步、获取数据集。
[0021]
第二步、对数据集进行预处理，得到目标数据集。
[0022]
可以理解的是，数据的预处理主要是将数据中的“脏”数据变成“干净”的，脏数据的形式主要表现在形式上和内容上的脏，形式上的脏是指缺失值或者带有特殊符号的，形如上述数据集中的[牛奶，面*包]；内容上的脏指的是异常值，形如上述数据集中的[电脑]，在超市中一般是无法买到电脑的，因此当数据集中出现非超市内容数据时此类数据需要剔除。
[0023]
步骤s102、根据目标数据集中目标对象之间的关联关系生成知识图谱。
[0024]
示例性地，根据目标数据集中目标对象之间的关联关系生成知识图谱的具体可以是：第一步、计算目标数据集中每个目标对象的频次以及支持度。
[0025]
例如，根据目标数据集中的数据条目，统计所有的物品的频次，结果如下：{面包：4，可乐：2，啤酒：3，牛奶：4，尿布：4，鸡蛋：1}，支持度的结果为：{面包：0.8，可乐：0.4，啤酒：0.6，牛奶：0.8，尿布：0.8，鸡蛋：0.2}。其中支持度的计算方式为：事件发生的次数占据数据总量的比重；例如面包发生的频次为4次，数据集的总量为5，因此支持度为4/5=0.8。
[0026]
第二步、根据目标对象的频次以及支持度确定出目标对象之间的连接关系，以及连接关系对应的关系频次。
[0027]
例如，根据上面步骤中的结果可以得到物品的类型有面包，可乐，啤酒，牛奶，尿布，鸡蛋，现根据数据集中的数据建立其联系，如[面包，尿布，啤酒，鸡蛋]可以建立6条关系，面包-尿布，面包-啤酒，面包-鸡蛋，尿布-啤酒，尿布-鸡蛋，啤酒-鸡蛋。将数据集中的关系均建立关系，并计算频次，结果展示如下：{面包，牛奶：3；牛奶，尿布：3；牛奶，啤酒：2；面包，尿布：3；面包，啤酒：2；尿布，啤酒：3}，第三步、基于目标对象之间的连接关系，以及连接关系对应的关系频次构建知识图谱。
[0028]
具体地，将目标对象之间的连接关系，以及连接关系对应的关系频次存储至知识图谱对应的数据库（例如neo4j数据库），从而构建知识图谱，将上面的数据结果存储到数据库中展示效果如图4所示，将连接关系对应的关系频次转换为支持度的效果如图5所示。
[0029]
步骤s103、基于预设的支持度阈值，从知识图谱中筛选出频繁项。
[0030]
具体地，将预设的支持度阈值输入至知识图谱对应的数据库中，得到频繁项。其中，数据库是指neo4j数据库。
[0031]
可以理解的是，根据支持度阈值的设置，利用neo4j数据库的特性返回相关的关联规则结果。例如支持度大于0.3的关联规则，可以转换为将数据库中的节点支持度或者节点与节点之间的关系连接支持度大于0.3；
此外根据aprior算法的定律1：如果一个集合是频繁项集，则它的所有子集都是频繁项集。举例：假设一个集合{a,b}是频繁项集，即a、b同时出现在一条记录的次数大于等于最小支持度，则它的子集{a},{b}出现次数必定大于等于最小支持度，即它的子集都是频繁项集。
[0032]
apriori定律2：如果一个集合不是频繁项集，则它的所有超集都不是频繁项集。举例：假设集合{a}不是频繁项集，即a出现的次数小于最小支持度，则它的任何超集如{a,b}出现的次数必定小于最小支持度，因此其超集必定也不是频繁项集。
[0033]
支持度的阈值设定为0.3，结合aprior定律2可以得到，含有鸡蛋的数据集均不满足规则条件。可以利用neo4j数据库中的节点属性查询，当属性值大于0.3时，满足规则条件输出；{面包：0.8，可乐：0.4，啤酒：0.6，牛奶：0.8，尿布：0.8}根据节点与节点之间的关系连接，以及关系属性判断，当关系属性值大于0.3时输出；{面包，牛奶：0.6；牛奶，尿布：0.6；牛奶，啤酒：0.4；面包，尿布：0.6；面包，啤酒：0.4；尿布，啤酒：0.6}。
[0034]
将步骤（ii）中的数据两两组合构成三个频繁项，例如（面包，牛奶）和（牛奶，尿布）组成（面包，牛奶，尿布），已知面包和牛奶，牛奶和尿布的支持度均大于0.3，所以只需判断面包和尿布的支持度是否大于0.3，若大于0.3则构成关系规则（面包，牛奶，尿布），否则无；重复步骤（iii），在基于n个频繁项，两两组合，构成n+1个频繁项；将上述步骤中的结果，整合在一起后，即为满足支持度的关系规则。
[0035]
根据上述步骤可以得到满足支持度的关系规则，当支持度设置较低时，关系规则显示的结果较多，当支持度设置较高时，关系规则显示的结果较少，因此需要根据自己的需求设置合理的支持度。
[0036]
本申请实施例中，采用知识图谱的形式挖掘出频繁项，减少了查找频繁项时对数据库的整体查询，提高了效率，降低了耗时。
[0037]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
[0038]
下面将对本申请实施例提供的一种频繁项挖掘装置进行介绍说明。本实施例的一种频繁项挖掘装置与上述一种频繁项挖掘方法相互对应。
[0039]
图2是本申请实施例提供的一种频繁项挖掘装置的结构示意图，该装置可以具体集成于，该装置可以包括：获取模块21，用于获取目标数据集；生成模块22，用于根据所述目标数据集中目标对象之间的关联关系生成知识图谱；筛选模块23，用于基于预设的支持度阈值，从所述知识图谱中筛选出频繁项。
[0040]
在一种可能的实现方式中，所述获取模块包括：获取单元，用于获取数据集；预处理单元，用于对所述数据集进行预处理，得到所述目标数据集。
[0041]
在一种可能的实现方式中，所述生成模块包括：计算单元，用于计算所述目标数据集中每个所述目标对象的频次以及支持度；确定单元，用于根据所述目标对象的频次以及支持度确定出所述目标对象之间的连接
关系，以及所述连接关系对应的关系频次；构建单元，用于基于所述目标对象之间的连接关系，以及所述连接关系对应的关系频次构建所述知识图谱。
[0042]
在一种可能的实现方式中，所述筛选模块包括：输出单元，用于将所述预设的支持度阈值输入至所述知识图谱对应的数据库中，得到所述频繁项。
[0043]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0044]
图3是本申请实施例提供的服务器3的示意图。如图3所示，该实施例的服务器3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32，例如推送消息程序。所述处理器30执行所述计算机程序32时实现上述各个方法实施例中的步骤。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能。
[0045]
示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述服务器3中的执行过程。
[0046]
所述服务器3可以是云端服务器等计算设备。所述服务器3可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是服务器3的示例，并不构成对服务器3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述服务器3还可以包括输入输出设备、网络接入设备、总线等。
[0047]
所称处理器30可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现成可编程门阵列 (field-programmable gate array，fpga) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0048]
所述存储器31可以是所述服务器3的内部存储单元，例如服务器3的硬盘或内存。所述存储器31也可以是所述服务器3的外部存储设备，例如所述服务器3上配备的插接式硬盘，智能存储卡（smart media card, smc），安全数字（secure digital, sd）卡，闪存卡（flash card）等。进一步地，所述存储器31还可以既包括所述服务器3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述服务器3所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
[0049]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的
单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0050]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0051]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0052]
在本申请所提供的实施例中，应该理解到，所揭露的服务器和方法，可以通过其它的方式实现。例如，以上所描述的服务器实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0053]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0054]
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0055]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0056]
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应
包含在本申请的保护范围之内。