数据挖掘是大数据环境下快速发展的新技术，关联规则技术是数据挖掘的一个主要研究方向，仍存在并行关联规则增量挖掘算法中如何降低Can-Tree结构空间占用率、计算效率不能满足需求等问题。因此，文章研究将信息熵融入关联规则算法，实验结果表明，模型对不同数据集适应性良好，可以更有效地提升加速比，缩小数据集规模的同时加快后续Can-Tree的构造，减少运算时间，并且支持度阈值小于其他两种算法;并行LZO数据压缩算法能够显著加快后续阶段的数据传输速度，从而整体减少算法运行时间。研究设计的息熵并行关联规则增量挖掘算法模型显著优于传统的Apriori等模型，并且运行速度更快，内存占用量更小，具有良好性能表现，相较于其他模型更具有优越性。
万方数据
维普
