کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10322166 660845 2015 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A pattern based predictor for event streams
ترجمه فارسی عنوان
یک الگوی مبتنی بر الگو برای جریان رویداد
کلمات کلیدی
معدن الگو، جریان رویداد، پیش بینی، شمارش از دست رفته،
ترجمه چکیده
به تازگی، برنامه های در حال ظهور جدید، مانند کاوش وب جریان کلیک، پیش بینی شکست و تجزیه و تحلیل ترافیک، مدل جدید داده های چالش برانگیز را به عنوان جریان داده ها معرفی کرد. معدن چنین داده ها می تواند الگوهای به روز را نشان دهد که برای پیش بینی رویدادهای آینده مفید هستند. در نتیجه، الگویی در جریان داده ها یک میدان محبوب در زمینه داده کاوی است که چالش های منحصر به فرد را ارائه می دهد. داده ها بزرگ هستند و بی وقفه در حال آمدن است، و ذخیره آن غیر ممکن است، یا دوباره تجزیه و تحلیل داده های تاریخی پس از آن رد شده است. برای حل این مسئله ابتدا روش جدیدی برای الگوهای پیاده سازی معادلات از یک جریان داده ارائه می کنیم که در آن حداکثر استفاده از حافظه به منظور دستیابی به دقت بالاتر از نظر نتایج می باشد. در مرحله دوم ما از الگوهای کشف شده برای پیش بینی وقایع آینده استفاده می کنیم. ما پیشنهاد می کنیم راه هایی برای اختصاص نمره به هر الگو برای تولید پیش بینی ها. عملکرد پیش بینی شده از این استراتژی های به ثمر رساند، سپس به طور گسترده ای مورد آزمایش قرار می گیرد. پیش بینی کننده فرصتی برای تشخیص و پاسخ سریع تر به یک رویداد مهم، هر چند ممکن است غیر منتظره، که در آینده رخ می دهد، ارائه می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Recently, new emerging applications, such as web click-stream mining, failure forecast and traffic analysis, introduced a new challenging data model referred to as data streams. Mining such data can reveal up-to-date patterns, which are useful for predicting future events. Consequently, pattern mining in data streams is a popular field in data mining that presents unique challenges. The data is large and endlessly keeps on coming, making it impossible to store it, or to re-analyse historical data once it has been discarded. To solve this, we first present a novel method for mining sequential patterns from a data stream, in which we maximise memory usage in order to achieve higher accuracy in terms of results. In a second step, we use the discovered patterns in order to try to predict future events. We propose a number of ways to assign a score to each pattern in order to generate predictions. The prediction performance of these scoring strategies is then extensively experimentally evaluated. The predictor offers an opportunity for a faster detection and response to an important, though perhaps unexpected, event, which will occur in the future.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 42, Issue 23, 15 December 2015, Pages 9294-9306
نویسندگان
, , ,