数据挖掘方法、装置、设备和介质与流程

本公开涉及人工智能，具体涉及计算机视觉、深度学习等，尤其涉及一种数据挖掘方法、装置、设备和介质。

背景技术：

1、频繁模式增长(frequent pattern growth，fp-growth)算法是一种关联规则挖掘算法。关联规则挖掘算法能够从数据库或其他信息所存储的大量数据中发现频繁项集及其关联性。

2、相关技术中，主要基于python等编程语言自行实现fp-growth算法，再采用fp-growth算法挖掘频繁项集及其关联性。

技术实现思路

1、本公开提供了一种数据挖掘方法、装置、设备和存储介质。

2、根据本公开的一方面，提供了一种数据挖掘方法，包括：采用第一查询语句，获取原始数据集中目标项的排序结果；采用第二查询语句，调用预设函数，并采用所述预设函数根据所述目标项的排序结果对所述原始数据集进行数据挖掘处理，以获得数据挖掘结果。

3、根据本公开的另一方面，提供了一种数据挖掘装置，包括：排序模块，用于采用第一查询语句，获取原始数据集中目标项的排序结果；挖掘模块，用于采用第二查询语句，调用预设函数，并采用所述预设函数根据所述目标项的排序结果对所述原始数据集进行数据挖掘处理，以获得数据挖掘结果。

4、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一方面的任一项所述的方法。

5、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述任一方面的任一项所述的方法。

6、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。

7、根据本公开的技术方案，可以简便地进行数据挖掘处理。

8、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种数据挖掘方法，包括：

2.根据权利要求1所述的方法，其中，所述采用第一查询语句，获取数据集中目标项的排序结果，包括：

3.根据权利要求2所述的方法，其中，

4.根据权利要求3所述的方法，其中，

5.根据权利要求1-4任一项所述的方法，其中，

6.根据权利要求1-4任一项所述的方法，其中，

7.根据权利要求6所述的方法，其中，

8.一种数据挖掘装置，包括：

9.根据权利要求8所述的装置，其中，所述排序模块进一步用于：

10.根据权利要求9所述的装置，其中，

11.根据权利要求10所述的装置，其中，

12.根据权利要求8-11任一项所述的装置，其中，

13.根据权利要求8-11任一项所述的装置，其中，

14.根据权利要求13所述的装置，其中，

15.一种电子设备，包括：

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

技术总结
本公开提供了一种数据挖掘方法、装置、设备和存储介质，涉及人工智能技术领域，具体涉及大数据、数据分析等技术领域。数据挖掘方法包括：采用第一查询语句，获取原始数据集中目标项的排序结果；采用第二查询语句，调用预设函数，并采用所述预设函数根据所述目标项的排序结果对所述原始数据集进行数据挖掘处理，以获得数据挖掘结果。本公开可以简便地进行数据挖掘处理。

技术研发人员：鲁嘉俊,叶玮彬,刘涛
受保护的技术使用者：百度（中国）有限公司
技术研发日：
技术公布日：2024/1/14