基于对比阈值的大数据流特征量最优挖掘算法

针对因大数据流基数大、特征难提取导致的闭合模式下数据挖掘效率低、质量差的问题,提出一种基于知识图谱的大数据流闭合模式挖掘算法。结合闭合模式下大数据流的实体-关系-实体关系,通过迁移学习算法构建特征提取器,采集在该模式下不同特征数的输出标签,计算不同标签数据经过一次输出的特征损失量,以此作为损失函数的初始输入值,即为挖掘算法的初始参照。将大数据流在闭合模式下的标准元素作为挖掘目标,按照数据特征量大小建立状态序列,查找挖掘目标与序列中元素的相关性大小和对比阈值,结合目标点的映射关系得到最佳挖掘量,完成有效挖掘。实验结果表明,所提方法的挖掘精准度较高,耗用时间少,具备一定的实用价值。