查詢結果分析
來源資料
頁籤選單縮合
題 名 | 使用加權移動視窗模式發掘前K個有利益的項目集=Mining Top-k Profitable Itemsets Based on the Weighted Sliding Window Model |
---|---|
作 者 | 蔡秀滿; | 書刊名 | 明新學報 |
卷 期 | 41:1 2015.02[民104.02] |
頁 次 | 頁23-36 |
分類號 | 312.1 |
關鍵詞 | 資料探勘; 頻繁項目集; 有利益的項目集; 加權移動視窗; Data mining; Frequent itemset; Profitable itemset; Weighted sliding window; |
語 文 | 中文(Chinese) |
中文摘要 | 傳統的頻繁項目集探勘將所有項目的效益皆視為相同,因此只能發掘交易物品間的相關性,無法找出較有利益的項目集。近幾年來,高效益項目集探勘已成為資料探勘領域中一項重要的研究課題。高效益項目集探勘的研究是以項目集的利潤和數量當作考量的要素,然而探勘結果所得到的高效益項目集卻無法呈現項目間的數量關係,因此在決策支援上的效益將會受到限制。本研究以項目集的支持度取代數量,將項目集的支持度和平均利潤當作有利益的項目集之考慮要素,並且以加權移動視窗模式為基礎,提出一個在交易資料流環境中發掘前k個有利益的項目集之方法。本研究設計一個只讀取資料流一次的演算法,並且將每次探勘過程所儲存的資訊在下一次探勘中再利用,有效率地從交易資料流中發掘前k個有利益的項目集。 |
英文摘要 | Traditional researches on frequent itemset mining do not consider the profit of each item. Thus they cannot discover high utility itemsets. Recently, high utility mining has become an important research topic. However, the mining result cannot present the relationships among items' quantities. As a result, the utility on decision making is limited. This paper uses "support" to replace "quantity". We propose a single pass algorithm for mining top-k profitable itemsets based on the weighted sliding window model. The developed algorithm takes advantage of reusing stored information to efficiently discover all the top-k profitable itemsets in the transactional data stream. |
本系統中英文摘要資訊取自各篇刊載內容。