从xml文档中查找1项集,2项集… n项集

<?xml version="1.0" encoding="utf-8"?>
<transaction>
    <itemset id="1">
        <item>pen</item>
        <item>notebook</item>
        <item>pencile Box</item>
    </itemset>
<itemset id="2">
    <item>pen</item>
    <item>notebook</item>
    <item>pencile Box</item>
    <item>ink</item>
</itemset>
<itemset id="3">
    <item>ink</item>
    <item>milk</item>
</itemset>
<itemset id="4">
    <item>pen</item>
    <item>notebook</item>
    <item>pencile Box</item>
    <item>ink</item>
    <item>milk</item>
    <item>paper</item>
</itemset>
<itemset id="5">
    <item>pen</item>
    <item>ink</item>
    <item>notebook</item>
</itemset>
</transaction>

我是XQuery的新手.我正在使用BaseX来运行XQuery.我的目标是根据每个交易中非常流行的Apriori算法找到1-频繁的2频率项目集… n频繁项目集,并想要计算它们.

我已经完成了找到1个频繁的项目集及其支持计数.但我无法使用XQuery找到2项集及其支持计数.有人可以帮我这么做吗？
这是我试过的代码……

let $src:= doc('XML/test.xml')/transaction/itemset
let $minsup:= 3
let $C:=distinct-values($src/*)
let $l:=for $itemset in $C
        let $items:=(for $item in $src/*
                     where $itemset=$item
                     return $item)
                     let $sup := count($items)
        where $sup>=$minsup
        order by $sup descending
return<itemset>
      <item> {$itemset} </item>
      <support> {$sup} </support>
      </itemset>

let $C1:=distinct-values($l/item)
let $C2:=distinct-values($l/item)
let $cnt:=count(distinct-values($l/item))
let $counter:=0
for $a in $C1
    for $b in $C2
    where $a>$b
return <items>
       <item>{concat($a,',$b)}</item>
       </items>

预期的输出看起来像

<itemset>
  <item>pen</item>
  <support>4</support>
</itemset>
<itemset>
  <item>notebook</item>
  <support>4</support>
</itemset>
...............
<itemset>
  <item>pen</item>
  <item>notebook</item>
  <support>4</support>
</itemset>
<itemset>
  <item>pen</item>
  <item>pencile Box</item>
  <support>3</support>
</itemset>
................
<itemset>
  <item>pen</item>
  <item>notebook</item>
  <item>pencile Box</item>
  <support>3</support>
</itemset>
<itemset>
  <item>pen</item>
  <item>notebook</item>
  <item>ink</item>
  <support>3</support>
</itemset>
...............

解决方法

目前还不完全清楚你要做什么.我在这里所说的是基于你想要的频率列表,首先是单个项目值,然后是项目对,然后是三元组,然后是n>元组的n元组. 3.或者,更抽象地：对于$n = 1,输入中的不同项目值的数量,从发生超过$minsup次的不同项目值的集合中查找$n个不同值的每个选择.

(如果这不是对问题的正确描述,那么我从现在开始说的任何内容都没有关系.如果是正确的描述,那么我祝贺你：这是一个很好的问题.感觉有点像家庭作业强迫你去思考元编程或递归;如果是这样,我认为提到这个事实是好的形式.)

你在这里遇到了不止一个挑战.如果这是我的问题,我将从$n = 1的情况开始.代码的第一部分正确计算$n = 1的结果,作为$l的值,所以你已经存在了.

然后我会手工编写代码,$n = 2,$n = 3等,直到我觉得我已经理解了这个模式. (在实践中,我在n = 4之后停止.聪明的程序员比我早点停止.)你特别询问$n = 2的情况.下面的代码在某些方面类似于你的,但细节上有所不同.我已经重命名了一些变量,以便我更容易阅读.

let $src:= doc('.../utij.xml')/transaction
let $minsup:= 3
let $allitems := $src/itemset/item
let $C:=distinct-values($allitems)

let $n1 := for $value in $C
           let $itemsets := $src/itemset[item = $value]
           let $sup := count($itemsets)
           where $sup>=$minsup
           order by $sup descending
           return <itemset>
                    <item> {$value} </item>
                    <support> {$sup} </support>
                  </itemset>

let $n2 := for $v1 in $C,$v2 in $C
           let $itemsets := $src/itemset
                            [ item = $v1 
                              and item = $v2 
                              and $v1 gt $v2
                            ]
           let $sup := count($itemsets)
           where $sup ge $minsup
           order by $sup descending,$v1 ascending,$v2 ascending
           return <itemset>
                    <item>{$v1}</item>
                    <item>{$v2}</item>
                    <support>{$sup}</support>
                  </itemset>

return ($n1,'&#xA;........&#xA;',$n2)

请注意,我重新投射$n = 1的情况来计算包含具有适当值的项目的项目集元素,而不是项目元素本身.这使得两个代码块更相似,并且应该使$n的扩展明显大于2.

然后我会停下来考虑我的$n = 1,2,3 ……的代码是否可以推广.因为(正如你的草图所反映的),编写代码的直接方式涉及一个变量,范围为$n = 1的所有值,$n = 2的两个变量,以及$n = i的i变量,答案是：this很难以天真的方式概括.所以我想一个接受两个输入的函数：第一个是itemset元素序列(在我的例子中是$src变量),第二个是n元组序列.作为输出,我的函数将返回n个1元组的序列. (此时,我为$C添加第三个参数,以避免每次都重新计算它.)可以设置第二个函数,为1和不同项值的数量之间的每个值调用第一个函数.在输入中,返回结果的串联.

从xml文档中查找1项集,2项集… n项集

解决方法

相关推荐