文献

J-GLOBAL ID：201802270160191361   整理番号：18A0336224

多重最小サポートを用いた頻出パターンのマイニング【Powered by NICT】

Mining of frequent patterns with multiple minimum supports

著者 (6件)： Gan Wensheng (School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), China) ,  Lin Jerry Chun-Wei (School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), China) ,  Fournier-Viger Philippe (School of Natural Sciences and Humanities, Harbin Institute of Technology (Shenzhen), China) ,  Chao Han-Chieh (School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), China) ,  Chao Han-Chieh (Department of Computer Science and Information Engineering National Dong Hwa University, Hualien County, Taiwan) ,  Zhan Justin (Department of Computer Science, University of Nevada, Las Vegas, USA)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 60  ページ： 83-96  発行年： 2017年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 頻出パターンマイニング(FPM)は陰的であるが有用な情報を発見するためのデータマイニングにおける重要な話題である。多くのアルゴリズムがこの問題の解決するために提案されているが,それらの大部分は重要な制限,頻出パターン(FP)を同定するための唯一の判断基準としては,単一均一最小サポートしきい値に依存しているに悩まされている。各項目は異なり,全てではない項目は同様に扱わなければならないので,データベース中のすべての項目の有用性を評価するために単一しきい値を用いた不十分であると実生活における不公平な。いくつかのアルゴリズムは複数の最小サポートを用いた採掘FPのために開発されているが,それらの大部分は時間のかかる問題に悩まされ,大量のメモリを必要とする。本論文では,E計数木(FP ME)からM ultiple最小支持されたF requent P atternマイニングと呼ばれる新しいアプローチを導入することにより,この問題に取り組んだ。M ultiple最小担体(ME)構造を開発し集合E計数ツリーでは,FPの新しいソートされた下方閉鎖(SDC)特性と複数の最小サポートを用いた最小最小サポート(LMS)概念を用いて,探索空間を効果的にした。提案したFP MEアルゴリズムは,候補を発生しないME木からFPを発見できる可能性がある。FP ME_DiffSetと名付けた,改良されたアルゴリズムもDiffSet概念に基づいて開発し,採掘性能をさらに増加させることである。実際と合成データセットの両者の上で実質的な実験は,提案したアルゴリズムは「稀な項目問題」を避ける,トランザクションデータベースにおけるFPの完全なセットを発見する効率的かつ効果的に複数の最小サポートを考慮したことを示し,実行時間,メモリ使用量とスケーラビリティに関して最先端のCFP成長++アルゴリズムよりも優れている。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： アルゴリズム ,  データマイニング ,  採掘 ,  判定基準 ,  ソーティング ,  記憶装置 ,  データベース ,  *多重化
準シソーラス用語： 最先端 ,  実行時間 ,  探索空間 ,  計数 ,  頻出パターンマイニング ,  *頻出パターン , 【Automatic Indexing@JST】

著者キーワード (5件)： 高頻度パターン ,  多重最小サポート ,  ソートされた下方閉包性 ,  集合数え上げツリー ,  DiffSet

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 多重 ,  頻出パターン