文献

J-GLOBAL ID：202002216944048695   整理番号：20A1339242

高頻度アイテム集合のアップスケーリングのための高速アプローチ【JST・京大機械翻訳】

A Fast Approach for Up-Scaling Frequent Itemsets

著者 (3件)： Chen Runzi (College of Mathematics and Information Science, Hebei Normal University, Shijiazhuang, China) ,  Zhao Shuliang (College of Computer and Cyber Security, Hebei Normal University, Shijiazhuang, China) ,  Liu Mengmeng (Library, Zhangjiakou University, Zhangjiakou, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 97141-97151  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： データスケールの急速な成長および需要の多様化により,人々は,異なるスケールのデータセットから有用な頻繁なアイテム集合を抽出する緊急の欲求を持っている。従来法が問題を解決できるという疑問はない。しかし,異なるスケールのデータセット間の関係は完全には利用されていない。本論文で提案した高速アプローチは次の通りである。大規模データセットの頻出アイテム集合は,小規模データセット上の頻出アイテム集合がマイニングされた条件に関して,大規模データセットからマイニングされる代わりに,小規模データセットに属する頻出アイテム集合に基づいて直接推論される。1つの合成データと4つのUCIデータセットに関する広範な実験を行った。実験結果は,著者らのアルゴリズムが,これらの主導アルゴリズムより,かなり速くて,より少ないメモリを消費することを示した。Copyright 2020 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： *アルゴリズム ,  記憶装置 ,  多様化
準シソーラス用語： *アップスケーリング ,  大規模データセット , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (2件)： 頻度アイテム集合 ,  アップスケーリング