基于大數(shù)據(jù)集的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘研究

劉張榕

(福建林業(yè)職業(yè)技術(shù)學(xué)院 信息工程系，福建 南平 353000)

0 引言

數(shù)據(jù)庫(kù)種類可以按照有效性，分為靜態(tài)數(shù)據(jù)庫(kù)、動(dòng)態(tài)數(shù)據(jù)庫(kù)和實(shí)時(shí)數(shù)據(jù)庫(kù)3種，在檢索數(shù)據(jù)庫(kù)中的數(shù)據(jù)時(shí)，大多是從靜態(tài)數(shù)據(jù)庫(kù)中挖掘數(shù)據(jù)。但數(shù)據(jù)庫(kù)的實(shí)時(shí)性，又使數(shù)據(jù)庫(kù)處于一種動(dòng)態(tài)變化中，不斷在數(shù)據(jù)庫(kù)中積累新的數(shù)據(jù)，此時(shí)，采用挖掘方法挖掘到的靜態(tài)數(shù)據(jù)庫(kù)數(shù)據(jù)，則會(huì)因?yàn)閿?shù)據(jù)庫(kù)數(shù)據(jù)的更新，出現(xiàn)知識(shí)失效問題[1-2]。所以，需要研究動(dòng)態(tài)數(shù)據(jù)庫(kù)數(shù)據(jù)挖掘方法。

目前，國(guó)內(nèi)外對(duì)動(dòng)態(tài)數(shù)據(jù)庫(kù)挖掘也有許多研究，文獻(xiàn)[3]提出了多域分布式數(shù)據(jù)庫(kù)的電能質(zhì)量擾動(dòng)事件記錄關(guān)聯(lián)規(guī)則挖掘，采用移動(dòng)時(shí)間窗技術(shù)實(shí)現(xiàn)擾動(dòng)數(shù)據(jù)預(yù)處理，然后在考慮數(shù)據(jù)庫(kù)更新的情況下，提出一種分布式協(xié)同算法，該算法通過交換各數(shù)據(jù)庫(kù)間的局部頻繁項(xiàng)目集，實(shí)現(xiàn)擾動(dòng)數(shù)據(jù)關(guān)聯(lián)模式分布式挖掘。文獻(xiàn)[4]設(shè)計(jì)了基于聚類優(yōu)化的大型網(wǎng)絡(luò)數(shù)據(jù)庫(kù)挖掘系統(tǒng)，該搭建數(shù)據(jù)采集所需的傳感器節(jié)點(diǎn)結(jié)構(gòu)，選擇CC3200作為主控芯片，在原有的電路中引入射頻通信電路，實(shí)現(xiàn)數(shù)據(jù)的無線傳輸。在此基礎(chǔ)上，對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行預(yù)處理，利用優(yōu)化后的聚類算法和軟件程序?qū)崿F(xiàn)數(shù)據(jù)挖掘，至此系統(tǒng)設(shè)計(jì)完成。

針對(duì)上述存在問題，本文提出基于大數(shù)據(jù)集的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘研究。

1 研究基于大數(shù)據(jù)集的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法

在動(dòng)態(tài)數(shù)據(jù)庫(kù)中，會(huì)存在歷史數(shù)據(jù)和新增數(shù)據(jù)兩種，因此，此次研究動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，將選擇靜態(tài)挖掘與動(dòng)態(tài)挖掘相結(jié)合的方式，先挖掘動(dòng)態(tài)數(shù)據(jù)庫(kù)中的歷史數(shù)據(jù)，再挖掘動(dòng)態(tài)數(shù)據(jù)庫(kù)中的更新數(shù)據(jù)。

1.1 動(dòng)態(tài)數(shù)據(jù)庫(kù)數(shù)據(jù)存儲(chǔ)

在大數(shù)據(jù)背景下，采用大數(shù)據(jù)集中的分布式計(jì)算，分布式存儲(chǔ)動(dòng)態(tài)數(shù)據(jù)庫(kù)中的歷史數(shù)據(jù)，需要將動(dòng)態(tài)數(shù)據(jù)庫(kù)中的原始大數(shù)據(jù)分割成多個(gè)子數(shù)據(jù)集，大量的小文件則需要合并為一個(gè)子數(shù)據(jù)集，從而提高數(shù)據(jù)存儲(chǔ)效率。此時(shí)，需要采用并行化技術(shù)統(tǒng)計(jì)方式，優(yōu)化每一個(gè)子數(shù)據(jù)集中的數(shù)據(jù)量，并將數(shù)據(jù)的空間與時(shí)間復(fù)雜度記為O，單節(jié)點(diǎn)中分片數(shù)據(jù)量記為D，則數(shù)據(jù)的分布式存儲(chǔ)過程，如圖1所示。

圖1 數(shù)據(jù)分布式存儲(chǔ)過程

從圖1中可以看出，采用分割的方式將合并的小文件和分割的子數(shù)據(jù)集存儲(chǔ)至各個(gè)節(jié)點(diǎn)中，通過并行化統(tǒng)計(jì)，判斷各個(gè)節(jié)點(diǎn)數(shù)據(jù)的支持度，從而去除不滿足支持度的數(shù)據(jù)項(xiàng)，得到第一序列數(shù)據(jù)。完成數(shù)據(jù)分布式存儲(chǔ)。

1.2 數(shù)據(jù)分組

根據(jù)圖1得到的第一序列數(shù)據(jù)，需要進(jìn)行數(shù)據(jù)修剪重排分組和計(jì)算量預(yù)估與均衡化分組。

(1)數(shù)據(jù)修剪重排分組。對(duì)于動(dòng)態(tài)數(shù)據(jù)庫(kù)中的原始數(shù)據(jù)，按照?qǐng)D1得到的第一序列數(shù)據(jù)，進(jìn)行修剪排序，即刪除原始數(shù)據(jù)中不滿足支持度閾值的數(shù)據(jù)項(xiàng)，修剪后的數(shù)據(jù)依照支持度的降序排列，其數(shù)據(jù)修剪重排分組具體過程如圖2所示。

圖2 數(shù)據(jù)修剪重排分組過程

圖中，〈w,p,v,m,s,n〉表示數(shù)據(jù)集中的一條數(shù)據(jù)[5]。將〈w,p,v,m,s,n〉數(shù)據(jù)按照第一序列數(shù)據(jù)進(jìn)行修剪重排分組后，得到的數(shù)據(jù)為〈p,w,n,s,v〉，再按照數(shù)據(jù)的后綴進(jìn)行迭代分割，采用Key-Value的形式表達(dá)，則得到{v,〈p,w,n,s〉}，{s,〈p,w,n〉}，{n,〈p,w〉}，{w,〈p〉}。此時(shí)，得到的修剪重排分組后的數(shù)據(jù)需要再次存儲(chǔ)至圖1所示的節(jié)點(diǎn)中，進(jìn)行計(jì)算量預(yù)估與均衡化分組處理。

(2)計(jì)算量預(yù)估與均衡化分組。計(jì)算圖2得到的數(shù)據(jù)，需要根據(jù)第一序列數(shù)據(jù)中，存在的以e為后綴的數(shù)據(jù)位置，計(jì)算量數(shù)據(jù)C(e)的估值,如式(1)。

C(e)=log(P(e,F))

(1)

式中，F(xiàn)表示第一序列數(shù)據(jù)；P表示以e為后綴的數(shù)據(jù)位置，與第一序列數(shù)據(jù)之間的關(guān)聯(lián)。此時(shí)，需要按照式(1)得到的關(guān)聯(lián)值，將第一序列數(shù)據(jù)按照估值的降序順序排列，其排列式如式(2)。

(2)

式中，Ti表示第i條原始數(shù)據(jù)；n表示包含e的數(shù)據(jù)總數(shù)目；P(e,Ti)表示第i條原始數(shù)據(jù)Ti中，所含有e的數(shù)據(jù)位置[6]。綜合式(1)、式(2)，即完成數(shù)據(jù)分組。此時(shí)，需要將計(jì)算量估值按照計(jì)算均衡化分配來進(jìn)行分組歸類。對(duì)此，假設(shè)需要計(jì)算的數(shù)據(jù)節(jié)點(diǎn)數(shù)為N，依據(jù)計(jì)算節(jié)點(diǎn)數(shù)N建立分組記錄表gN，需要將每一計(jì)算節(jié)點(diǎn)都與分組數(shù)據(jù)相對(duì)應(yīng)。則均衡化分組流程如下。

(1)將計(jì)算量數(shù)據(jù)C(e)的估值中的前N個(gè)節(jié)點(diǎn)數(shù)據(jù)保存至分組記錄表gN中；(2)計(jì)算gN的各個(gè)節(jié)點(diǎn)數(shù)據(jù)集之和，作為gN的計(jì)算估值；(3)確定計(jì)算量數(shù)據(jù)C(e)的估值中存在的多余節(jié)點(diǎn)數(shù)據(jù)數(shù)目；(4)將多余節(jié)點(diǎn)數(shù)據(jù)依次加入gN中，并計(jì)算估值最小列表；(5)更新gN對(duì)應(yīng)的計(jì)算估值。綜合上述內(nèi)容，即完成數(shù)據(jù)分組處理。

1.3 更新動(dòng)態(tài)數(shù)據(jù)庫(kù)新增數(shù)據(jù)

更新動(dòng)態(tài)數(shù)據(jù)庫(kù)數(shù)據(jù)時(shí)，需要構(gòu)建數(shù)據(jù)樹，并將數(shù)據(jù)樹分為多個(gè)子數(shù)據(jù)樹和總數(shù)據(jù)樹，更新匯聚在節(jié)點(diǎn)的第一序列數(shù)據(jù)，為此設(shè)定如下更新動(dòng)態(tài)數(shù)據(jù)庫(kù)新增數(shù)據(jù)步驟。

1)更新動(dòng)態(tài)數(shù)據(jù)庫(kù)新增數(shù)據(jù)特征。假設(shè)動(dòng)態(tài)數(shù)據(jù)庫(kù)新增數(shù)據(jù)為d，其d中新增數(shù)據(jù)頻繁項(xiàng)集記錄為Qd，其頻次數(shù)據(jù)記錄為Qd={T1,T3},動(dòng)態(tài)數(shù)據(jù)庫(kù)歷史數(shù)據(jù)為D，歷史數(shù)據(jù)頻繁項(xiàng)集記錄為QD，其頻次數(shù)據(jù)為QD={T1,T2}。將歷史數(shù)據(jù)和新增數(shù)據(jù)累加，記錄為QdD。此時(shí)更新動(dòng)態(tài)數(shù)據(jù)庫(kù)中的歷史數(shù)據(jù)，會(huì)出現(xiàn)如下4種情形：(1)如T1∈Qd,T1∈QD，即T1在Qd和QD中，均屬于頻繁項(xiàng)集；(2)如T2?Qd,T2∈QD，即T2僅在QD中屬于頻繁項(xiàng)集；(3)如T3∈Qd,T3?QD，即T3僅在Qd中屬于頻繁項(xiàng)集；(4)如T4?Qd,T4?QD，即T4在Qd和QD中，均為非頻繁項(xiàng)集[7-8]。

2)按照步驟1，即可完成一組動(dòng)態(tài)數(shù)據(jù)庫(kù)，歷史數(shù)據(jù)更新。當(dāng)所有歷史數(shù)據(jù)完成更新時(shí)對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，完成第一序列數(shù)據(jù)更新，并將其標(biāo)記為FdD。

3)依據(jù)FdD來合并新舊數(shù)據(jù)樹。其合并步驟如下。

(1)輸入歷史數(shù)據(jù)樹和更新數(shù)據(jù)樹；(2)建立數(shù)據(jù)樹根節(jié)點(diǎn)；(3)從頭建立數(shù)據(jù)樹子節(jié)點(diǎn)；(4)遍歷數(shù)據(jù)樹節(jié)點(diǎn)；(5)從當(dāng)前節(jié)點(diǎn)上溯至根節(jié)點(diǎn)路徑；(6)重新排列動(dòng)態(tài)數(shù)據(jù)庫(kù)數(shù)據(jù)；(7)輸出更新后的動(dòng)態(tài)數(shù)據(jù)庫(kù)數(shù)據(jù)。

綜合上述3步，即完成動(dòng)態(tài)數(shù)據(jù)庫(kù)中新增數(shù)據(jù)的更新，此時(shí)，即可挖掘動(dòng)態(tài)數(shù)據(jù)庫(kù)中的新增數(shù)據(jù)。

1.4 挖掘動(dòng)態(tài)數(shù)據(jù)庫(kù)

1.4.1 挖掘動(dòng)態(tài)數(shù)據(jù)庫(kù)歷史數(shù)據(jù)

基于多次分組后，節(jié)點(diǎn)得到了動(dòng)態(tài)數(shù)據(jù)庫(kù)歷史分組數(shù)據(jù)，將其整理為〈key=word,value={g1,g2,…,gN}〉，將其作為數(shù)據(jù)挖掘的輸入數(shù)據(jù)，則動(dòng)態(tài)數(shù)據(jù)庫(kù)的歷史數(shù)據(jù)挖掘過程如圖3所示。

圖3 動(dòng)態(tài)數(shù)據(jù)庫(kù)的歷史數(shù)據(jù)挖掘過程

圖中，key表示動(dòng)態(tài)數(shù)據(jù)庫(kù)新輸入數(shù)據(jù)的密鑰。基于圖3所示的動(dòng)態(tài)數(shù)據(jù)庫(kù)的歷史數(shù)據(jù)挖掘過程，將各個(gè)節(jié)點(diǎn)數(shù)據(jù)分組，有序輸入數(shù)據(jù)。每當(dāng)有新數(shù)據(jù)輸入時(shí)，都會(huì)發(fā)生改變，促進(jìn)數(shù)據(jù)樹進(jìn)一步挖掘，待數(shù)據(jù)輸出后會(huì)又重新計(jì)算其頻繁項(xiàng)集，清空數(shù)據(jù)樹，對(duì)動(dòng)態(tài)數(shù)據(jù)庫(kù)的歷史數(shù)據(jù)進(jìn)行重新挖掘。

1.4.2 挖掘動(dòng)態(tài)數(shù)據(jù)庫(kù)增量數(shù)據(jù)

基于更新動(dòng)態(tài)數(shù)據(jù)庫(kù)新增數(shù)據(jù)所分出的4種情形，需要采用不同的策略來挖掘動(dòng)態(tài)數(shù)據(jù)庫(kù)中的新增數(shù)據(jù)，所以，此次設(shè)計(jì)的挖掘過程如圖4所示。

圖4 動(dòng)態(tài)數(shù)據(jù)庫(kù)的增量更新數(shù)據(jù)挖掘流程

從圖4中可以看出，情形1中的項(xiàng)集，在動(dòng)態(tài)數(shù)據(jù)庫(kù)的整體數(shù)據(jù)中，也屬于頻繁情況；情形2中的項(xiàng)集，需要計(jì)算其頻次，并將Qd和QD的項(xiàng)集頻次累加，即可確定數(shù)據(jù)的頻繁性；情形3需要重新計(jì)算各個(gè)節(jié)點(diǎn)的數(shù)據(jù)，獲取其在整體數(shù)據(jù)中的頻次信息；情形4中的數(shù)據(jù)在動(dòng)態(tài)數(shù)據(jù)庫(kù)中并不頻繁，沒有數(shù)據(jù)可以挖掘。根據(jù)文中劃分的3種情形，完成動(dòng)態(tài)數(shù)據(jù)庫(kù)中的新增數(shù)據(jù)挖掘后，將歷史數(shù)據(jù)和新增數(shù)據(jù)結(jié)合，即可得到動(dòng)態(tài)數(shù)據(jù)庫(kù)中的關(guān)聯(lián)數(shù)據(jù)。

2 實(shí)驗(yàn)論證分析

本次實(shí)驗(yàn)將采用對(duì)比實(shí)驗(yàn)的方式，以某系統(tǒng)的動(dòng)態(tài)數(shù)據(jù)庫(kù)軟件作為此次實(shí)驗(yàn)的研究對(duì)象，在計(jì)算機(jī)上驗(yàn)證此次研究的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法。并將此次研究的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法記為實(shí)驗(yàn)A組；兩組傳統(tǒng)的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法分別記為實(shí)驗(yàn)B組和實(shí)驗(yàn)C組。確定時(shí)間標(biāo)準(zhǔn)差計(jì)算式，改變基本窗口數(shù)量和支持度，對(duì)比3組方法的運(yùn)行時(shí)間、內(nèi)存使用情況和節(jié)點(diǎn)任務(wù)分配度。

2.1 實(shí)驗(yàn)準(zhǔn)備

根據(jù)此次實(shí)驗(yàn)，選擇了3組動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，設(shè)計(jì)的方法運(yùn)行環(huán)境如表1所示。

表1 方法運(yùn)行環(huán)境

為驗(yàn)算此次研究的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，選擇了動(dòng)態(tài)數(shù)據(jù)庫(kù)Mushroom數(shù)據(jù)源，設(shè)計(jì)實(shí)驗(yàn)數(shù)據(jù)流來比較3組方法。此次實(shí)驗(yàn)，將Mushroom數(shù)據(jù)源數(shù)據(jù)流的基本窗口數(shù)量設(shè)定為10，每個(gè)基本窗口中的事務(wù)數(shù)設(shè)定為200，則10個(gè)基本窗口的總數(shù)據(jù)數(shù)為2 000。在該數(shù)據(jù)流的基礎(chǔ)數(shù)據(jù)上，讓其隨著時(shí)間衰減，增加基本窗口。其中，w表示基本窗口數(shù)。根據(jù)Mushroom數(shù)據(jù)源數(shù)據(jù)流窗口數(shù)據(jù)增加情況，設(shè)置的時(shí)間衰減權(quán)重函數(shù)如式(3)。

w(d)=1-50%*(d-1)

(3)

式中，d表示時(shí)間衰減標(biāo)識(shí)，即可以將首次讀入的基本窗口數(shù)據(jù)記為d=1，當(dāng)窗口數(shù)增加時(shí)，其每一次增加的數(shù)據(jù)，增加值都為1。

依據(jù)上述內(nèi)容，確定了該方法的運(yùn)行環(huán)境和實(shí)驗(yàn)對(duì)象，選擇Test Director軟件測(cè)試工具，測(cè)試3組方法的運(yùn)行時(shí)間、內(nèi)存占用情況和時(shí)間標(biāo)準(zhǔn)差，并形成XRD圖，對(duì)比3組動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，其實(shí)驗(yàn)過程及結(jié)果如下。

2.2 實(shí)驗(yàn)結(jié)果

2.2.1 第一組實(shí)驗(yàn)

基于此次實(shí)驗(yàn)設(shè)置的實(shí)驗(yàn)對(duì)象，將基本窗口數(shù)據(jù)的支持度設(shè)置為10%，每增加一個(gè)基本窗口，都會(huì)Mushroom數(shù)據(jù)源數(shù)據(jù)流窗口數(shù)據(jù)增加情況，增加數(shù)據(jù)。此時(shí)，Mushroom數(shù)據(jù)源數(shù)據(jù)流窗口數(shù)據(jù)增加情況，改變基本窗口有效數(shù)據(jù)數(shù)目，測(cè)試3組方法運(yùn)行時(shí)間，其實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 相同支持度下，不同窗口數(shù)據(jù)運(yùn)行時(shí)間比較圖

從圖5可以看出，在時(shí)間衰減權(quán)重函數(shù)作用下，實(shí)驗(yàn)C組的平均運(yùn)行時(shí)間高達(dá)3 900 s；實(shí)驗(yàn)B組其平均運(yùn)行時(shí)間依然達(dá)到了3 616.7 s；而實(shí)驗(yàn)A組在挖掘基本窗口中的數(shù)據(jù)時(shí)，運(yùn)行時(shí)間波動(dòng)最小，僅需450 s。由此可見，在同一支持度，不同窗口數(shù)據(jù)下，挖掘動(dòng)態(tài)數(shù)據(jù)庫(kù)數(shù)據(jù)，運(yùn)行時(shí)間波動(dòng)較小，方法運(yùn)行速度較快。

2.2.2 第二組實(shí)驗(yàn)

基于上述結(jié)果，進(jìn)行第二組實(shí)驗(yàn)，改變基本窗口的支持度，并將其首次支持?jǐn)?shù)記為30%，對(duì)比3組方法，在挖掘窗口數(shù)據(jù)時(shí)，對(duì)處理器內(nèi)存的使用情況。此后每隔10%，記錄一次方法對(duì)處理器內(nèi)存使用量。為保證實(shí)驗(yàn)的嚴(yán)謹(jǐn)性，將3組方法在首次支持度下，挖掘窗口數(shù)據(jù)對(duì)處理器內(nèi)存的使用情況比較2次，分別為讀入數(shù)據(jù)時(shí)給定的支持?jǐn)?shù)據(jù)和更新支持度后的支持?jǐn)?shù)據(jù)。其實(shí)驗(yàn)結(jié)果如圖6所示。

圖6 不同支持度下，方法內(nèi)存使用量對(duì)比

從圖6可以看出，不同支持度在挖掘數(shù)據(jù)過程中，處理器的內(nèi)存占用量都在不斷降低至固定值。實(shí)驗(yàn)B組所占用的內(nèi)存在逐漸恢復(fù)平穩(wěn)時(shí)，出現(xiàn)大幅度下降現(xiàn)象；實(shí)驗(yàn)C組和實(shí)驗(yàn)A組所占用的內(nèi)存，都在同一支持度下逐漸走向平穩(wěn)。由此可見，此次研究的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，在支持度不同的條件下，內(nèi)存使用量偏低，在處理器存儲(chǔ)方面的開銷也較小。

2.2.3 第三組實(shí)驗(yàn)

基于第一組和第二組實(shí)驗(yàn)結(jié)果基礎(chǔ)上，進(jìn)行第三組實(shí)驗(yàn)，通過任務(wù)執(zhí)行時(shí)間標(biāo)準(zhǔn)差，對(duì)比3組方法中的各個(gè)節(jié)點(diǎn)任務(wù)分配均度。為此假設(shè)3組方法的計(jì)算節(jié)點(diǎn)數(shù)量為N，第i個(gè)節(jié)點(diǎn)任務(wù)執(zhí)行時(shí)間為ti，則獲得節(jié)點(diǎn)任務(wù)執(zhí)行時(shí)間的標(biāo)準(zhǔn)差σ為式(4)。

(4)

圖7 不同支持度下，方法節(jié)點(diǎn)的時(shí)間標(biāo)準(zhǔn)差

從圖7可以看出，在不同支持度下，實(shí)驗(yàn)C組的時(shí)間標(biāo)準(zhǔn)差出現(xiàn)了下降趨勢(shì)，而實(shí)驗(yàn)A組、B組的時(shí)間標(biāo)準(zhǔn)差都出現(xiàn)了一定的上升趨勢(shì)。由此可見，此次研究的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，受到支持度影響較小，可以均勻分配各個(gè)節(jié)點(diǎn)的計(jì)算量。

3 總結(jié)

綜上所述，本文提出的基于大數(shù)據(jù)集的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，充分利用大數(shù)據(jù)時(shí)代下的大數(shù)據(jù)技術(shù)，研究動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，優(yōu)化動(dòng)態(tài)數(shù)據(jù)庫(kù)中數(shù)據(jù)的挖掘效率。但是，此次研究的基于大數(shù)據(jù)集的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，未曾考慮大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)數(shù)據(jù)的膨脹速度。因此在今后的研究中，還需深入研究基于大數(shù)據(jù)集的動(dòng)態(tài)數(shù)據(jù)庫(kù)關(guān)聯(lián)挖掘方法，分析大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)數(shù)據(jù)的膨脹速度，研究出可以挖掘不同數(shù)據(jù)交互、數(shù)據(jù)共享等動(dòng)態(tài)數(shù)據(jù)庫(kù)挖掘方法。