文献

J-GLOBAL ID：201902290192574730   整理番号：19A1194195

より良い探索空間分割法を用いた並列高平均効用アイテム集合マイニング【JST・京大機械翻訳】

Parallel High Average-Utility Itemset Mining Using Better Search Space Division Approach

著者 (3件)： Sethi Krishan Kumar (Indian Institute of Technology (ISM) Dhanbad, Dhanbad, Jharkhand, India) ,  Ramesh Dharavath (Indian Institute of Technology (ISM) Dhanbad, Dhanbad, Jharkhand, India) ,  Sreenu M. (Ashoka Institute of Engineering and Technology, Hyderabad, Telangana, India)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11319  ページ： 108-124  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最近の10年間に,高効用アイテム集合(HUI)マイニングは,ポピュラーなパターンマイニングアプローチとして出現した。Huiマイニングは,ユーザ定義利益閾値よりもそれらの利益を持つアイテム集合を発見する。高い平均効用アイテム集合(haui)マイニングは,パターンを微細化し,公正なマイニングプロセスを維持するために,アイテムの長さを含むHUIマイニングの改善である。大規模データの時代において,従来のHauiマイニングアルゴリズムは,処理資源の制限により,スタンドアロンシステムに関する大規模トランザクションデータセットを処理するのに適していない。したがって,いくつかの分散フレームワークが,商品ハードウェアのクラスタに関する大規模データを処理するために開発された。本論文では,従来のHAUI-Minerアルゴリズムの並列バージョンを提示し,並列高平均効用アイテムセットMiner(PHAUIM)と名付けた。PHAUIMは,データセットを複数のチャンクに分割し,並列に各データチャンクを処理するためにクラスタノードに配布するSparkベースの分散アルゴリズムである。さらに,探索空間分割のための改良アプローチを開発した。提案した探索空間分割技術は,各ノードへの作業負荷をかなり割り当て,性能を向上させる。高速化とデータスケーラビリティの観点からPHAUIMの性能を測定するために包括的な実験を行った。PHAUIMも従来のHAUIMと比較した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ハードウェア ,  アルゴリズム ,  クラスタ ,  *分割法 ,  精密化 ,  分散アルゴリズム ,  高速化
準シソーラス用語： チャンク ,  大規模データ ,  パターンマイニング ,  *探索空間 , 【Automatic Indexing@JST】

著者キーワード (4件)： 高平均効用アイテムセットマイニング ,  ビッグデータ ,  アパッチ・スパーク ,  探索空間

分類 (2件)： 人工知能  (JE08000Z) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (5件)： 探索空間 ,  分割法 ,  平均 ,  効用 ,  集合