کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4956506 1444522 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Discovering partial periodic-frequent patterns in a transactional database
ترجمه فارسی عنوان
کشف الگوهای جزئی در یک پایگاه داده عملیاتی
کلمات کلیدی
داده کاوی، کشف دانش در پایگاه های داده، معدن الگو، دوره ای جزئی، الگوریتم ها،
ترجمه چکیده
زمان و فرکانس دو بعد مهم برای تعیین جالب بودن یک الگوی در پایگاه داده است. الگوهای مکرر دوره ای، یک طبقه مهم از قوانینی هستند که در یک پایگاه داده با توجه به این دو بعد وجود دارد. مطالعات کنونی در مورد معدن مدلی متداول متداول متمرکز بر کشف الگوهای مکرر دوره ای است، به عنوان مثال، پیدا کردن همه الگوهای مکرر که تکرارهای پیچیده کامل را در یک پایگاه داده نشان داده اند. با این حال، الگوهای جزئی مکرر دوره ای بیشتر به دلیل ماهیت ناقص دنیای واقعی شایع است. این مقاله یک مدل انعطاف پذیر و عمومی را برای یافتن الگوهای جزئی مکرر ارائه می دهد. اندازه گیری جدید جالب، نسبت دوره ای، برای تعیین جالب دوره ای یک الگوی مکرر با توجه به نسبت آن تکرارهای سیکلی در پایگاه داده معرفی شده است. الگوهای پیشنهادی اموال ضد مونوتونی را برآورده نمی کند. یک تکنیک جدید هرس به منظور کاهش فضای جستجو به طور موثر معرفی شده است. الگوریتم رشد الگوریتم برای یافتن تمام الگوهای جزئی مکرر دوره ای نیز در این مقاله ارائه شده است. نتایج تجربی نشان می دهد که مدل پیشنهادی می تواند اطلاعات مفیدی را بیابد و الگوریتم کارآمد باشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
کشف الگوهای جزئی در یک پایگاه داده عملیاتی
چکیده انگلیسی
Time and frequency are two important dimensions to determine the interestingness of a pattern in a database. Periodic-frequent patterns are an important class of regularities that exist in a database with respect to these two dimensions. Current studies on periodic-frequent pattern mining have focused on discovering full periodic-frequent patterns, i.e., finding all frequent patterns that have exhibited complete cyclic repetitions in a database. However, partial periodic-frequent patterns are more common due to the imperfect nature of real-world. This paper proposes a flexible and generic model to find partial periodic-frequent patterns. A new interesting measure, periodic-ratio, has been introduced to determine the periodic interestingness of a frequent pattern by taking into account its proportion of cyclic repetitions in a database. The proposed patterns do not satisfy the anti-monotonic property. A novel pruning technique has been introduced to reduce the search space effectively. A pattern-growth algorithm to find all partial periodic-frequent patterns has also been presented in this paper. Experimental results demonstrate that the proposed model can discover useful information, and the algorithm is efficient.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Systems and Software - Volume 125, March 2017, Pages 170-182
نویسندگان
, , , , ,