文献类型：期刊文章

作　　者：肖文[1] 胡娟[1] 周晓峰[2]

Xiao Wen;Hu Juan;Zhou Xiaofeng(Dept.of Electrical Information Engineering,Hohai University Wentian College,Maanshan Anhui 243031,China;School of Computer&Information,Hohai University,Nanjing 210098,China)

机构地区：[1]河海大学文天学院电气信息工程系,安徽马鞍山243031 [2]河南大学计算机与信息学院,南京210098

出　　处：《计算机应用研究》

基　　金：安徽省高校自然科学研究项目(KJ2016A623)

年　　份：2018

卷　　号：35

期　　号：1

起止页码：13-23

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：随着数据的爆炸式增长,传统的算法已不能适应大数据挖掘的需要,需要分布式、并行的关联规则挖掘算法来解决上述问题。MapReduce是一种流行的分布式并行计算模型,因其使用简单、伸缩性好、自动负载均衡和自动容错等优点,得到了广泛的应用。对已有的基于MapReduce计算模型的并行关联规则挖掘算法进行了分类和综述,对其各自的优缺点和适用范围进行了总结,并对下一步的研究进行了展望。

关 键 词：数据挖掘 关联规则挖掘 频繁项集 并行  MAPREDUCE HADOOP

分 类 号：TP301.6]