郑会 何静 李鹏

摘 要： 医疗诊断与预测因数据量太大而需要流式存储，使得频繁项集挖掘出现耗时大，效率低下等问题。以解决这些问题为目的，研究了一种改进的基于大规模数据流的频繁项集挖掘方法，即增量式频繁项集挖掘方法。文章的重要结果是，该方法可结合历史数据与当前数据簇，快速求出近似全局支持度，并找出全局频繁项集集合。将该方法应用于Apriori算法上，通过实验得出了该增量式Apriori方法具有高效率的结论。

关键词： 医疗诊断与预测; 关联规则; 增量式算法; 数据流

中图分类号：G642          文献标识码：A     文章编号：1006-8228（2021）08-53-04

Research on the incremental Apriori algorithm for medical diagnosis and prediction

Zheng Hui， He Jing， Li Peng

（School of Computer Science， Nanjing University of Posts and Telecommunications， Nanjing， Jiangsu 210023， China）

Abstract： Medical diagnosis and prediction need streaming storage because of the large amount of data， which makes frequent itemset mining time-consuming and inefficient. In order to solve these problems， an improved frequent itemset mining method for large-scale data stream is studied， i.e.， the incremental frequent itemset mining method. The important result of this paper is that this method can combine the historical data with the current data cluster to quickly find out the approximate global support， and find out the set of global frequent itemsets. Applying the method to Apriori algorithm， the conclusion is obtained through experiments that the incremental Apriori algorithm has a high efficiency.

Key words： medical diagnosis and prediction; association rule; incremental algorithm; data stream

0 引言

在疾病診断与预测上，关联规则算法有不可替代的优势，但在求解大数据问题时，该算法通常执行效率低下，其根本原因在于频繁项集挖掘过程耗时较长[1]。本文通过研究频繁项集挖掘算法的现有问题，并为了避免重复扫描大规模数据，本文采取了增量式Apriori方法的构建方案，该方法通过持续性因子筛选出需要保存的局部频繁项集统计信息;提出了近似全局支持度值的计算过程，以保证增量式频繁项集的准确率;同时提出了增量式频繁挖掘算法的求解步骤。

1 现有问题

医疗数据具有如下特点：①数据来源广泛，比如数据来源可能包括诊断数据、医疗数据与体检数据等[2];②数据更新频繁发生，每当个体进行新的诊断、治疗或体检时，都会产生新的数据并被存储到相关疾病数据库中。因此，医学数据库会持续地进行更新[3]。……