Харківський національний університет Повітряних Сил імені Івана Кожедуба

Анотация: Запропоновано метод розрахунку параметрів узагальнених асоціативних правил на основі параметрів простих асоціативних правил. Рівень підтримки узагальненого покриття визначається підсумовуванням рівнів підтримки простих покриттів, а для знаходження рівня довіри узагальненого правила застосовується декомпозиція на прості. На відміну від методу з використанням таксономії ознак, даний метод не вимагає додаткового сканування БД та дозволяє отримувати параметри аналітичним шляхом з використанням побудованого дерева покрить.

Ключові слова: асоціативні правила, параметри асоціативної залежності, підтримка, довіра, рівень поліпшення

Список літератури

1. Srikant R. Mining generalized association rules / R. Srikant, R. Agrawal // Future Generation Computer Systems. – 1997. – Vol. 13, Issues 2–3. – P. 161-180.
2. A method for generating aggregated association between discrete data features / E. Titova, D Sitnikov, O Ryabov, B. D’Cruz // WIT Transactions on Information and Communication Technologies. – 2005. – Vol. 35. – P. 25-34.
3. Марченко О.О. Актуальні проблеми Data Mining / О.О. Марченко, Т.В. Россада. – Київ: КПІ, 2017. – 150 с.
4. Корнилков А. О реализации поиска ассоциативных правил средствами языка программирования PHP [Электронный ресурс] / А.П. Корнилков, Т.В. Хабибулина // Современная техника и технологии – 2014. – № 5. – Режим доступа к журн.: http://technology.snauka.ru/2014/05/3659.
5. Фам К.Х. Применение ассоциативных правил в информационно-аналитической системе оценки качества предоставления телекоммуникационных услуг / К.Х. Фам, И.Ю. Квятковская // Научный вестник Новосибирского государственного технического университета. – 2015. – № 2 (59). – С. 33-42.
6. Желізняк І.Й. Правила побудови асоціативних правил на прикладі фізичних показників пацієнта / І.Й. Желізняк // Науковий вісник НЛТУ України. – 2017. – Т. 27, No. 9. – С. 107-110.
7. A Novel Method of Interestingness Measures for Association Rules Mining Based on Profit / C. Ju, F. Bao, C. Xu, X. Fu // Discrete Dynamics in Nature and Society. – Vol. 2015. – Article ID 868634. – 10 p.
8. Using information-theoretic measures to assess association rule interestingness / J. Blanchard, F. Guillet, R. Gras, H. Briand // 5th IEEE International Conference on Data Mining ICDM’05, 2005. – United States. IEEE Computer Society. – P. 66-73.
9. Prajapati D.J. Interesting association rule mining with consistent and inconsistent rule detection from big sales data in distributed environmen / Dinesh J. Prajapati, Sanjay Garg, N.C. Chauhan // Future Computing and Informatics Journal. – 2017. – Vol. 2, Issue 1. – Р. 19-30.
10. Assessment of extended aggregated association rules / D. Sitnikov, O. Ryabov, O. Titova, A. Kovalenko // The 9th IEEE International Conference on Dependable Systems, Services and Technologies, DESSERT’2018. 24-27 May, 2018. – Kyiv, Ukraine.
11. Анализ данных и процессов / А.А. Барсегян, М.С. Куприянов, И.И. Холод, М.Д. Тесс, С.И. Елизаров. – 3-е изд., перераб. и доп. – СПб.: БХВ-Петербург, 2009.