tailieunhanh - Khai phá tập sinh tối thiểu của tập hiếm đóng từ dữ liệu giao dịch có trọng số của items

Bài viết Khai phá tập sinh tối thiểu của tập hiếm đóng từ dữ liệu giao dịch có trọng số của items tiến hành thực nghiệm đánh giá giải thuật đề xuất dựa trên bộ dữ liệu giả lập và bộ dữ liệu thực, cho thấy giải thuật NOV-mGCRSI hiệu quả. | 28 Phan Thành Huấn Lê Hoài Bắc KHAI PHÁ TẬP SINH TỐI THIỂU CỦA TẬP HIẾM ĐÓNG TỪ DỮ LIỆU GIAO DỊCH CÓ TRỌNG SỐ CỦA ITEMS ALGORITHM MINING MINIMAL GENERATORS OF CLOSED RARE ITEMSETS FROM TRANSACTIONAL DATABASES WITH WEIGTHS OF ITEMS Phan Thành Huấn1 Lê Hoài Bắc1 1 Trường Đại học Khoa học Tự nhiên Đại học Quốc gia Hồ Chí Minh huanphan@ lhbac@ Nhận bài 03 9 2020 Chấp nhận đăng 28 11 2020 Tóm tắt - Trong khai phá dữ liệu khai phá luật kết hợp hiếm là Abstract - In the data mining rare association rules mining is one một trong những kỹ thuật khai phá quan trọng với nhiều ứng of the important techniques for latent applications such as the dụng tiềm năng chẳng hạn như phát hiện các cuộc tấn công finding of network attacks illegal transactions in financial mạng giao tác gian lận trong tài chính y tế tin sinh họcvà nhiều medicine bioinformatics and other applications. In the out-of- ứng dụng khác. Khai phá dữ liệu truyền thống - không có trọng date data mining on transaction databases which items have no số của từng item. Tuy nhiên nhiều ứng dụng trong thực tế thì weights as equal to 1 . In spite of this in the real-life applications trọng số của mỗi item là khác nhau cho biết mức độ quan trọng are often each item with a different weight the significance của từng item để khai phá luật kết hợp hiếm đầy đủ và không importance of each item - to mining the exact and non-redundant dư thừa trên dữ liệu giao dịch với items có trọng số cần có giải rare association rules on transaction databases with weights of thuật khai phá tập sinh tối thiểu của tập hiếm bài items we need to mining for minimal generators of closed rare viết này nhóm tác giả đề xuất giải thuật hiệu quả NOV- itemsets. In that paper we suggest an efficient mining algorithm mGCRSI khai phá tập sinh tối thiểu của tập hiếm đóng trên dữ for minimal generators of closed rare itemsets based on dissatisfy liệu giao dịch với items có trọng số tiếp cận theo hướng không the Apriori .

• Cơ sở dữ liệu
• Tập hiếm đóng
• Tập sinh tối thiểu của tập hiếm đóng
• Giải thuật NOV mGCRSI
• Trọng số của items
• Biểu đồ khai phá mGCRSI