郑宪秋

(山西工程技术学院 信息工程与大数据科学系,山西 阳泉 045000)

0 引 言

数据挖掘是知识数据发现过程较为关键的环节,其原理是将所需数据从数量庞大的数据整体中挖掘出来，这种知识提取形式与计算机的应用联系十分紧密[1]。近几年来,信息业界对于数据协同挖掘技术越来越重视,如何在繁杂的数据中将数据转化为有用的知识与信息,并且能够同时实现提取,成为比较重要的研究任务[2]。

相关专家对非侵入式负载数据协同挖掘算法进行了深入研究,并已取得一些成果。文献[3]提出社交网络下非结构化数据协同过滤推荐算法改进，通过引入粗集,高速分割负载数据和数据类项目,将分割后的数据与初始数据相似性进行对比,对相似度最高的数据集进行挖掘,从而实现数据推荐，其中最为关键的数据挖掘步骤虽然挖掘速度快,但精度不高。文献[4]提出一种适合大数据存储系统的高效负载均衡算法设计，该算法考虑优先级处理超负载,对系统中的超负载数据进行有限平衡处理,实现非侵入式负载数据的挖掘，该方法在提高挖掘精度的同时,降低了挖掘实时性,难以保证挖掘效率。文献[5]提出基于MapReduce的频繁模式挖掘算法的优化，使用的FP-growth算法包括Fp-tree构建和频繁模式挖掘2个阶段,其中平衡算法用来均衡非侵入式负载数据,降低数据分配的随机性,挖掘出负载数据，提高了挖掘精度。文献[6]提出大数据环境下基于Hadoop框架的数据……