1. Наука
  2. Видання
  3. Системи обробки інформації
  4. 1(156)'2019
  5. Визначення параметрів узагальнених асоціативних правил методом декомпозиції

Визначення параметрів узагальнених асоціативних правил методом декомпозиції

Д.Е. Ситніков, П.Е. Ситнікова, С.В. Тітов, О.В. Тітова
Анотації на мовах:


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.