Question

<?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。我的目标是根据每笔交易中非常流行的Apriori算法找到1-频繁的2频率项目集... n-frequency itemset，并想要计算它们。

我已经完成了找到1个频繁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>

预期输出看起来像是

<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>
...............

Answer 1

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旨在强迫你思考元编程或递归;如果是这样，我认为这是一个很好的形式来提及这个事实。）

这里有多个挑战。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。

然后我会手动编写代码，$ 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，我重新构建$ n = 1的情况来计算包含具有适当值的项目的itemset元素，而不是项目元素本身。这使得两个代码块更加相似，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）编写代码的简单方法涉及一个变量，范围是$ n = 1的所有值，$ n = 2的两个变量，$ n =的 i 变量 i ，答案是：这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，我的函数将返回一系列n + 1元组。（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，并返回结果的串联。

从xml文档中查找1项集，2项集... n项集

1 个答案: