Giải thuật hiệu năng cao khai thác tập sinh của tập đóng phổ biến

##plugins.themes.academic_pro.article.main##

Author

  • Phan Thành Huấn

Từ khóa:

Bộ xử lý đa nhân
tập đóng phổ biến
tập sinh của tập đóng
giải thuật song song MCP-GCFI

Tóm tắt

Trong khai thác dữ liệu, khai thác luật kết hợp là một trong những kỹ thuật quan trọng và được nghiên cứu nhiều. Đặc biệt là kỹ thuật khai thác luật kết hợp chính xác và không dư thừa, một số tác giả đã đề xuất khai thác luật kết hợp này từ tập sinh của tập đóng phổ biến trên dữ liệu giao dịch. Trong bài viết này, chúng tôi đề xuất giải thuật song song MCP-GCFI khai thác nhanh tập sinh của tập đóng phổ biến trên bộ xử lý đa nhân. Giải thuật đề xuất dễ dàng mở rộng trên nhiều hệ thống tính toán phân tán như Hadoop, Spark. Kết quả thực nghiệm trên bộ dữ liệu thực có mật độ dày của UCI và bộ dữ liệu giả lập có mật độ thưa của trung tâm nghiên cứu IBM Almaden, cho thấy giải thuật đề xuất hiệu quả.

Tài liệu tham khảo

    [1] R. Agrawal, T. Imilienski andA. Swami, Mining association rules between sets of large databases, Proc. of the ACM SIGMOD Int Conf on Management of Data., 1993, pp. 207-216.
    [2] P. Huan and L. Bac, A Novel Algorithm for Frequent Itemsets Mining in Transactional Databases, In: Trends and Applications in Knowledge Discovery and Data Mining. PAKDD 2018. LNCS, 11154, Springer Cham, 2018, pp. 243–255.
    [3] Y. Bastide, N. Pasquier, R. Taouil, G. Stumme, and L. Lakhal, Mining Minimal Non-Redundant Association Rules using Closed Frequent Itemssets, In: 1st International Conference on Computational Logic, 2000, pp.972 – 986.
    [4] M. J. Zaki, “Mining Non-Redundant Association Rules”, Data Mining and Knowledge Discovery, 9, Springer,2004, pp. 223–248.
    [5] P. Huan, NOV-CFI: A Novel Algorithm for Closed Frequent Itemsets Mining in Transactional Databases, ICNCC 2018, ACM, NY, USA, 2018, pp. 58-63.
    [6] G. Liu, J. Li and L. Wong, “A new concise representation of frequent itemsets using generators and a positive border”, Knowl. Inf. Syst, 17(1), Springer, 2008, pp. 35-56.
    [7] T. Hamrouni, “Key roles of closed sets and minimal generators in concise representations of frequent patterns”, Intell. Data Anal, 16(4), 2012, pp.581-631.
    [8] L. Szathmary, A. Napoliand S. O. Kuznetsov, ZART: AMultifunctional Itemset Mining Algorithm, The 6th Intl Conf on Concept Lattices and Their Applications, 2008, pp. 47–58.
    [9] A. Soulet and F. Rioult, Efficiently Depth-First Minimal Pattern Mining, In: Tseng V.S., Ho T.B., Zhou ZH., Chen A.L.P., Kao HY. (eds) Advances in Knowledge Discovery and Data Mining. PAKDD 2014. LNCS. 8443, Springer Cham, 2014, pp. 28-39.
    [10] A. Soulet and F. Rioult, Exact and Approximate Minimal Pattern Mining, In: Guillet F., Pinaud B., Venturini G. (eds) Advances in Knowledge Discovery and Management. SCI. 665, Springer Cham,2017, pp. 61-81.
    [11] Phan Thành Huấn, Lê Hoài bắc, Thuật toán hiệu quả khai thác tập hiếm tối thiểu, FAIR – Nghiên cứu cơ bản và ứng dụng, 2018, pp. 497-505.
Xem thêm

##plugins.themes.academic_pro.article.sidebar##

Đã Xuất bản

May 31, 2020
Download
PDF
Cách trích dẫn
Phan Thanh Huan. “Giải thuật hiệu năng Cao Khai thác tập Sinh của tập đóng phổ biến”. Tạp Chí Khoa học Và Công nghệ - Đại học Đà Nẵng, vol 18, số p.h 5.2, Tháng Năm 2020, tr 55-60, https://jst-ud.vn/jst-ud/article/view/2767.

##plugins.themes.academic_pro.article.details##