我们基于nutch开发了一个搜索引擎，现在想添加 频繁项挖掘 的应用。需要在已经索引的文本中，发掘那些词最频繁的出现在同一篇文档中，比如:

秋天： 果实 收获 天高气爽

Itemset x= {X1,X2....Xn),每个item相当于一个个候选词，集合中包含的候选词最多1万个。

每篇文档相当于一个 transaction (t1,t2...tn) 文档数量在100万左右。如果实现起来困难也可以减少文档数量。

我会给你把发掘的样本准备好，以文本文件或者其它形式给你。

数据量比较大，但是我们对时间要求不严格，100万个文件，处理一两个星期都没事，最好能支持增量。

不需要用很复杂的算法，复杂的算法我们页也付不起。可以采用一些最经典的算法，比如fpgrowth之类..

价格大概 1K 左右，前提是使用已经有开源代码的算法。如果真需要自己写，价钱可以再商量，但是最多四五千吧。

站内信箱或者 chee.wu@gmail.com联系。