当前，已经提出了许多挖掘算法，仅小数据集挖掘和稀疏数据集，遇到海量数据集和密集数据集趋于崩溃。 本文通过频繁模式树模型为海量数据挖掘机会投影集提供了一种支持，以构建一种新的算法OP。 OP与以前的算法完全不同，使用新模型支持两种投影方法：基于投影的虚拟树表示，基于未过滤的投影数组表示，不仅时间效率特别高，而且特别节省了存储空间。 最后，通过Apriori，FP-Gorwth和H-Mnie的对比实验的文章证实了各种OP数据库的大小和特征挖掘效率和可伸缩性是最好的。