<?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
(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 ($n1,'
........
',$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.