检索结果

Select

1. 基于中医方剂数据库的Top-Rank- k频繁模式挖掘算法

秦琦冰, 谭龙

计算机应用 2017, 37 (2): 329-334. DOI: 10.11772/j.issn.1001-9081.2017.02.0329

摘要（775）

PDF （854KB）（502）

为降低中医（TCM）方剂频繁模式挖掘过程中对经验参数的依赖，提高挖掘结果的准确性，针对中医方剂的数据特点，提出一种基于带权无向图的Top-Rank-k频繁模式挖掘算法。该算法可以直接挖掘出频繁k-itemset（k≥3）而无需产生1-itemset和2-itemset，并随之快速回溯到核心药物组合的频繁项集所对应的方剂信息；此外，采用一种动态位向量（DBV）的压缩机制对无向图中边的权重进行压缩存储，以有效地提高算法的空间存储效率。分别对中医方剂数据集、真实数据集（Chess、Pumsb和Retail）和合成数据集（T10I4D100K和Test2K50KD1）进行测试和比较，结果表明该算法与iNTK和BTK相比具有更高的时间和空间效率，而且也可以应用于其他类型的数据集。

参考文献 | 相关文章 | 多维度评价

Select

2. 压缩数据上的关系代数操作算法

丁鑫哲, 张兆功, 李建中, 谭龙, 刘勇

计算机应用 2016, 36 (1): 21-26. DOI: 10.11772/j.issn.1001-9081.2016.01.0021

摘要（619）

PDF （923KB）（374）

针对在大数据管理中,在压缩的数据上无需解压即可进行相关操作的问题,在数据服从正态分布的前提下,根据列数据存储的特点,提出了一种新的面向列存储的压缩方法——CCA。首先,通过对列数据的长度进行归类;然后,采用抽样的方法获得重复度较高的前缀;最后,使用字典编码进行压缩,提出了列索引(CI)和列实体(CR)作为数据压缩结构来降低大数据存储的空间需求,从而直接有效地在压缩数据上支持选择、投影、连接等基本操作,并实现了基于CCA的数据库原型系统——D-DBMS。理论分析和在1 TB数据上的实验结果表明,该压缩算法能够显著提高大数据的存储效率和数据操作性能,与BAP和TIDC压缩方法相比,在压缩率分别提高了51%、14%;在执行速度上提高了47%、42%。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于搜索引擎优化的网络宣传机模型

谭龙江

计算机应用 2010, 30 (8): 2232-2234.

摘要（287）

PDF （506KB）（1096）

针对搜索引擎优化过程中的人工控制方式处理效率低下，可靠性差等问题，提出了自动实现网站信息优化的网络宣传机模型，给出了该模型的主要思想、关键算法以及运行流程。该模型采用反向爬虫技术收集收录排名等信息，并通过主题词叠加空间中的匹配操作，选择优化主题词；同时，网络宣传机采用蒙特卡罗算法实现匹配特征测度，提高了匹配效率与精度。仿真实验对比证明，该模型具有较好的搜索引擎排名提升能力和客户满意度。