文献

J-GLOBAL ID：201902214784975894   整理番号：19A1959977

メタヒューリスティックに基づく頻出アイテム集合マイニングのための新しい並列フレームワーク【JST・京大機械翻訳】

A Novel Parallel Framework for Metaheuristic-based Frequent Itemset Mining

著者 (6件)： Djenouri Youcef (Dept. of Computer Science, NTNU, Trondheim, Norway) ,  Djenouri Djamel (CERIST, Algiers, Algeria) ,  Belhadi Asma (RIMA, USTHB, Algiers, Algeria) ,  Lin Jerry Chun-Wei (Western Norway University of Applied Sciences, Bergen, Norway) ,  Bendjoudi Ahcene (CERIST, Algiers, Algeria) ,  Fournier-Viger Philippe (School of Social Sciences and Humanities, Harbin Institute of Technology, Shenzhen, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CEC  ページ： 1439-1445  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 頻繁なアイテム集合マイニング(FIM)は重要であるが,非常に時間がかかるデータマイニング作業である。結果として,従来のFIMアルゴリズムは,しばしば大規模データベースに拡張できない。この問題に対処するために,いくつかのメタ発見法が,FIM問題に対する良好な近似解を見出すために近年開発された。このようなアプローチは正確なアルゴリズムよりもはるかに効率的であることを示した。しかし,メタ発見的方法は,しばしば大量のデータセットに関して長い実行時間を持って,それらの解法の品質を改良することができた。この問題に対処するために,本論文では,メタヒューリスティックに基づくFIMのためのCFIm(Frequentアイテム集合マイニングのためのクラスタ)と呼ばれる並列フレームワークを提案した。それは複数のクラスタ作業者を用いてFIMを加速する。提案したアプローチは,クラスタ作業者のレベルで,トランザクションデータベースとすべてのアイテムのセットを分割する。アイテム集合生成プロセスは各作業者によって実行される。そしてそれは結果をマスターノードに送る。この後者は,それらの周波数と多様化を考慮することによって,高品質アイテム集合を維持するために併合ステップを実行する。3つのメタ発見的方法(GA,PSOおよびBSO)をこのフレームワークに統合し,3つの新しいメタヒューリスティック(CGA,CPSOおよびCBSO)を得た。広範な実験により,CPSOはCGA,CBSO,および最先端の高性能計算FIM手法より優れていることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データマイニング ,  *クラスタ ,  品質 ,  データベース ,  発見的方法 ,  アルゴリズム ,  多様化
準シソーラス用語： 高性能コンピューティング ,  高品質 ,  実行時間 ,  近似解 ,  大規模データベース ,  *ヒューリスティック , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  計算機網  (JC03000K) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ヒューリスティック ,  集合 ,  フレームワーク