Khai phá tập sinh tối thiểu của tập hiếm đóng từ dữ liệu giao dịch có trọng số của items
Tóm tắt: 23
| 
PDF: 37 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
Tóm tắt
Trong khai phá dữ liệu, khai phá luật kết hợp hiếm là một trong những kỹ thuật khai phá quan trọng với nhiều ứng dụng tiềm năng, chẳng hạn như phát hiện các cuộc tấn công mạng, giao tác gian lận trong tài chính, y tế, tin sinh họcvà nhiều ứng dụng khác. Khai phá dữ liệu truyền thống - không có trọng số của từng item. Tuy nhiên, nhiều ứng dụng trong thực tế thì trọng số của mỗi item là khác nhau (cho biết mức độ quan trọng của từng item) – để khai phá luật kết hợp hiếm đầy đủ và không dư thừa trên dữ liệu giao dịch với items có trọng số, cần có giải thuật khai phá tập sinh tối thiểu của tập hiếm đóng.Trong bài viết này, nhóm tác giả đề xuất giải thuật hiệu quả NOV-mGCRSI khai phá tập sinh tối thiểu của tập hiếm đóng trên dữ liệu giao dịch với items có trọng số tiếp cận theo hướng không thỏa tính chất Apriori. Nhóm tác giả tiến hành thực nghiệm đánh giá giải thuật đề xuất dựa trên bộ dữ liệu giả lập và bộ dữ liệu thực, cho thấy giải thuật NOV-mGCRSI hiệu quả.
Tài liệu tham khảo
-
[1] R. Agrawal, T. Imilienski and A. 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] J. Han, J. Pei, Y. Yin, R. Mao, “Mining frequent patterns without candidate generation: A FP-tree approach”. Data Mining Knowl Discovery, 8(1), 2004, pp.53–87.
[3] Y. S. Koh, N. Rountree, Finding sporadic rules using apriori-inverse. In PAKDD’05, 3518, Springer, 2005, pp.97–106.
[4] L. Szathmary, P. Valtchev, A. Napoli, R. Godin, Efficient vertical mining of minimal rare itemsets. 19th Int Conf on Concept Lattices and Their Apps, 2012, pp.269–280.
[5] L. Troiano, C. Birtolo, A fast algorithm for mining rare itemsets. 19th Int Conf on Intell Syst Design & App, 2009, pp.1149-1155.
[6] C.H. Cai, A.W. Fu, C.H. Cheng, W.W. Kwong, Mining association rules with weighted items. Proc of Int Database Engineering and App Symp (IDEAS 98), 1998, pp.68–77.
[7] Z. Huai, M. Huang, A weighted frequent itemsets incremental updating algorithm base on hash table. In 3rd Int Conf on Comm Soft and Networks (ICCSN), IEEE, 2011, pp.201–204.
[8] A. Borah, B. Nath, “Rare pattern mining: challenges and future perspectives”. Complexi Intell Syst, Springer, 2018, pp.1–23.
[9] Y. Lu, T. Seidl, Towards Efficient Closed Infrequent Itemset Mining Using Bi-Directional Traversing. IEEE 5th DSAA, Turin, Italy, 2018, pp. 140-149.
[10] Phan Thành Huấn, “Giải thuật hiệu năng cao khai thác tập sinh của tập phổ biến đóng”. Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng, 18(5.2), 2020, pp. 55-60.
##plugins.themes.academic_pro.article.sidebar##
