为 Apriori 算法准备 XML 数据

Question

Apriori算法一般以矩阵形式接收输入，如下：

TID A B C D E
T1 1 1 1 0 0
T2 1 1 1 1 1
T3 1 0 1 1 0
T4 1 0 1 1 1
T5 1 1 1 1 0 

虽然，我的输入是一般形式的 XML 数据：

 <article key="tr/gte/TR-0263-08-94-165">
<author>Frank Manola</author>
<title>An Evaluation of Object-Oriented DBMS Developments: 1994 Edition.</title>
<journal>GTE Laboratories Incorporated</journal>
<volume>TR-0263-08-94-165</volume>
<month>August</month>
<year>1994</year>
</article>

如何将此类数据转换为算法可接受的合适形式？任何建议。

谢谢

Answer 1

假设您使用的是 Python，最好使用 Element Tree XML 解析器（文档包含在下面）。这允许您将 XML 数据解析为 Python 字典，然后您可以根据需要进行翻译。请注意，如果您的 XML 数据文件非常大，使用 iterparse 可以很方便地避免大量内存需求。

https://docs.python.org/2/library/xml.etree.elementtree.html