A TRANSACTION MAPPING ALGORITHM FOR MINING FREQUENT ITEMSETS

A TRANSACTION MAPPING  ALGORITHM FOR MINING FREQUENT ITEMSETS

ABSTRACT

               

Association  Rule  Mining  is  a  very  popular  Data  mining  technique  and  it  finds  relationships  among  different  entities  of  records. In  this  project, we  present  a  novel  algorithm  for  mining  complete frequent  itemsets.

            This  algorithm  is  referred  to  as  the  TM (Transaction Mapping) algorithm  from  here  on. In  this  algorithm, transaction  ids  of each  itemset  are  mapped  and  compressed  to  continuous  transaction intervals  in  a  different  space  and  the  counting  of  itemsets  is  performed  by  intersecting  these  interval  lists  in  a  depth-first  order along  the  lexicographic  tree. When  the  compression  coefficient  becomes smaller  than  the  average  number  of  comparisons  for  intervals intersection  at  a  certain  level,  the  algorithm  switches  to  transaction id intersection. We  have  evaluated  the  algorithm  against  two  popular frequent  itemset  mining  algorithms - FP-growth  and  Edclat  using  a variety  of  data  sets  with  short  and  long  frequent  patterns. Experimental data  show  that  the  TM algorithm  outperforms  these  two  algorithms.