改进FP-Growth算法在旅游线路规划中的应用研究

字云飞,李业丽,孙华艳,张莉婧

(北京印刷学院信息工程学院,北京 102600)

0 引 言

在物质生活不断提高的同时，人们对于精神享受的追求也更迫切了，旅行成为了人们追求高质量生活方式的最直接表达。大数据表明2016年国内旅游人数超过40亿，这一庞大的数据使旅游成为部分地方的支柱产业。但不管是旅游管理者还是旅行者，在充分利用资源的情况下制定旅游规划和选择旅行线路，并使自身利益最大化成为了当前最大的问题。当前的旅游市场主要是以传统的主题、超市、运筹学和市场导向为中心的线路规划，并没有利用信息技术革命中大数据挖掘和分析带来的优势，这在旅游线路规划中会造成一些不必要的损失。信息革命不断发展，人类进入工智能(AI)时代，大数据、数据挖掘及数据分析成为了智能旅游推荐系统的核心技术，同时得到了广泛应用。因此，通过对关联规则挖掘技术FP-tree算法的改进，应用挖掘的大数据进行分析和处理帮助旅游管理者和旅客规划出高效、科学及最大效益化的决策，这得到了旅游市场的强烈推荐。

1 FP-Growth算法及其改进

Agrawal等人提出的关联规则[1]挖掘技术Apriori算法[2]的缺点是对原始数据库多次重复遍历而产生大量候选集。针对Apriori算法的这一缺陷，Han等提出了通过树形结构来存储数据并进行频繁模式挖掘的算法—FP-tree算法。FP-tree算法是通过类似于数据结构中的树形结构来存储原始数据库的核心信息，采用逆寻方式来挖掘频繁项集，此算法只需对原数据库二次扫描且避免了产生大量候选项集。……