Frequent Pattern Tree（频繁模式树）是Jiawei Han在2004年的文章《Mining Frequent Patterns without Candidate Generation 》中提出的。
————————————————————————————————————————————————————
以下给出一些定义：
设项集（set of items），交易数据库（transaction database）
。当中交易(transaction)
。
，是
中的元素组成的集合。模式（Pattern）A是
中的元素组成的集合。模式A的支持度（support）是指交易数据库中包括A的交易的数量。
是最小支持度阈值，假设。模式A的支持度大于
，那么称A为频繁模式（Frequent Pattern）。
频繁模式树就是要找到交易数据库中的频繁模式。
————————————————————————————————————————————————————
样例：
设项集，交易数据库例如以下表：
最小支持度阈值。
构造频繁模式树仅仅须要扫描（scan）交易数据库两次。
第一次：扫描数据库。对当中的每个项进行计数，得到一个list of frequent items(频繁项的列表) 。比如，项出现了4次，依次类推我们对当中的每一项进行计数，由于最小支持度阈值为3，,我们以下仅仅给出出现次数大于3的项：
。
第二次：扫描数据库的每一交易，得到每个交易的排序频繁项(Ordered Frequent Items)构造频繁模式树(构造过程非常easy，原论文给出了具体的阐述)：
我们对每个交易，仅仅保留大于3的项。并排序。然后我们得出下表。多出了一列就是排序频繁项(Ordered Frequent Items)
—————————————————————————————————————————————————————
依据上面的两步，我们已经构造出了频繁模式树，怎么样通过频繁模式树，找到频繁模式。
当中，我们拿和项有关的频繁模式举例，其它依次类推：
首先。我们找到全部的节点，并沿着树枝路径向上直到根节点(root)，我们发现有两条路径：
和
。
然后。我们能够得出出现的3次，
同一时候出现了3次，是同一时候和
出现次数最多的项，并且次数大于最小支持度阈值。所以
就是一个频繁模式，依次类推得出其它项的频繁模式:
。
所以，通过频繁模式树找到了非常多频繁模式。
—————————————————————————————————————————————————————
对于频繁模式树的并行计算(MapReduce),文章
《Parallel FP-Growth for Query Recommendation》中给出了具体说明。