Apriori 的剪枝步骤合并进连接操作的算法，蛮巧妙的做法。用了一个叫TQ的临时项集，把原来要反复遍历的部分提前掉，减少了扫描次数，效率还挺可观的。对比传统Apriori那种从头跑到尾的方式，确实更省事。

频繁项集生成这块，Lk-1 和 L1 的体量差距大，所以能从Lk-1缩成L1的规模，是实在的优化。你要是平时也在做关联规则，尤其是用老版本Apriori头疼的，不妨看看这个思路。

代码实现上其实也不复杂，TQ这个中间变量管理好了就行。你可以类比缓存的思路来理解：先把的组合放进去，后续就不用每次都重复比对了。

想要上手可以参考下面这些资料，有 PDF 的也有Java代码示例，挺方便的：Java Apriori 关联规则挖掘示例项目 这个还不错，适合边学边改。

如果你做的是电商推荐、用户行为这类，或者医疗数据挖掘，Apriori 挖规则还是蛮实用的。嫌Apriori慢也可以看看FP-Growth，也是个不错的替代方案。