抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
高ユーティリティパターンマイニングは,頻度だけがアイテムの実際の重要性を考慮しないことの重要性として,頻出パターンマイニングの限界を克服するために出現した。データストリーム上の高ユーティリティパターンをマイニングするための既存のアルゴリズムは,特に最小ユーティリティ閾値が低いとき,第1フェーズにおける多数の候補生成のためにスケーラブルでない2相アルゴリズムである。さらに,第2フェーズでは,このアルゴリズムはデータベースを再びスキャンし,候補に対する実際の有用性を見つける必要がある。本論文では,投影データベースアプローチを用いたスライディングウィンドウ技法を用いて,データストリーム上の高ユーティリティパターンをマイニングするための新しいアルゴリズムを提案した。さらに,データ構造IUDataListSWを提案し,現在のスライディングウィンドウにおけるアイテムの効用と上限値を保存する。さらに,IUDataListSWは,アイテムの初期投影データベースを効率的に得るために,トランザクションにおけるアイテムの位置を貯蔵する。さらに,以前のスライディングウィンドウからマイニングされた高ユーティリティパターンを利用する更新戦略を提案し,現在のスライディングウィンドウにおける高ユーティリティパターンを更新した。従って,SOHUPDSは,単一パスと1つのフェーズでデータストリーム上で高いユーティリティパターンを採掘できる。実験結果は,SOHUPDSがメモリ利用と同様に実行時間に関して最先端のアルゴリズムより効率的であることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】