ارائه یکمدل مستمر جهت شناساییقوانین وابستگی از داده های کمی وزن دار
محل انتشار: سومین کنفرانس داده کاوی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,683
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDMC03_013
تاریخ نمایه سازی: 13 دی 1389
چکیده مقاله:
تکنیک قوانین وابستگی یکی از رایج ترین تکنیک های علم داده کاوی است که طی سالیان اخیر، کاربرد آن در حوزه های مختلف علمی، بسیار مورد توجه قرار گرفته است. قوانین وابستگی، الگو های پنهان میان اقلام موجود در پایگاه داده های بزرگ را شناسایی می کند. با وجود اینکه الگوریتم های زیادی جهت شناسایی قوانین وابستگی توسط محققان ارائه گردیده است اما همچنان یکمشکل اساسی وجود داشته، و آن فقدان چارچوبی مناسب جهت استفاده مستمر و مداوم از این الگوریتم ها در طول زمان است. در این مقاله جهت رفع مشکل مذکور، چارچوبی جهت استفاده مستمر از الگوریتم های قوانین وابستگی مطرح شده است. در این مدل، در هر زمان، ابتدا پایگاه داده با افزایش تراکنش های جدیدتر و حذف تراکنش های قدیمی تر به روز شده و سپس به تراکنش ها بر اساس میزان نزدیکی به زمان فعلی، وزن اختصاص می یابد. این کار به استفاده کنندگان از الگوریتم های قوانین وابستگی کمک می کند تا همواره در هر زمان، قوانینی معتبرتر و مناسب تر بدست آورند. در راستای این امر، یک الگوریتم شناسایی قوانین وابستگی از داده های کمی وزندار را توسعه داده و آن را در چارچوب یک مدل مستمر ارائه کرده ایم. در پایان، مثالی جهت شرح چگونگی استفاده از این مدل برای شناسایی قوانین وابستگی از مقادیر کمی وزندار ارائه شده است. این مثال، سادگی استفاده از الگوریتم پیشنهادی و کارایی آن را به خوبی نشان می دهد.
کلیدواژه ها:
نویسندگان
سیدعلی اصغر مصطفوی ثابت
کارشناس ارشد مهندسی صنایع، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
سیدحسین صباری
کارشناس ارشد مهندسی صنایع، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
محمدرضا صالحی راد
استادیار، گروه آمار، دانشکده اقتصاد، دانشگاه علامه طباطبائی تهران