文献类型：期刊文章

作　　者：刘莉萍[1] 章新友[1] 牛晓录[2] 郭永坤[1] 丁亮[1]

LIU Liping;ZHANG Xinyou;NIU Xiaolu;GUO Yongkun;DING Liang(School of Computer, Jiangxi University of Traditional Chinese Medicine, Nanchang 330004, China;School of Pharmacy, Jiangxi University of Traditional Chinese Medicine, Nanchang 330004, China)

机构地区：[1]江西中医药大学计算机学院,南昌330004 [2]江西中医药大学药学院,南昌330004

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.81660727)

年　　份：2019

卷　　号：55

期　　号：9

起止页码：1-9

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：关联规则挖掘是数据挖掘的一个重要分支,但随着数据的快速增长,传统关联规则挖掘算法不能很好地适应大数据的要求,需要在分布式、并行计算的平台上寻找突破。Spark是专门为大数据处理而设计的一个适合迭代运算的并行计算模型,相比MapReduce具有更高效、充分利用内存、更适合迭代计算和交互式处理的优点。对已有的基于Spark的并行关联规则挖掘算法进行了分类和综述,并总结了各自的优缺点和适用范围,为下一步的研究提供参考。

关 键 词：SPARK 并行  关联规则挖掘 APRIORI FP-GROWTH

分 类 号：TP301.6]