مقاله انگلیسی و ترجمه شده:
الگوریتمی برای استخراج مجموعه آیتم متناوب هسته ای روی انتقال داده های دوگانی به صورت زنجیره ای پیوسته
رشته:کامپیوتر
12صفحه انگلیسی پی دی اف-32صفحه فارسی وورد
چکیده:
استخراج مجموعه آیتم متناوب یک عمل داده کاوی هسته ای می باشد و به طور گسترده در طول دهه ی اخیر مورد بررسی قرار گرفته است. این مقاله یک روش جدید برای این مسئله ارائه می کند و دو هم بخشی عمده ای را ایجاد می کند. اولا، یک الگوریتم یک مسیره برای استخراج مجموعه آیتم متناوب ارائه می کنیم، که دارای محدوده های مشخص روی صحت می باشد و به هیچ ساختار تجرید خارج از هسته نیاز ندارد. ثانیا، به علت اینکه الگوریتم تک مسیره ی ما هیچ نتیجه ی منفی نادرستی تولید نمی کند، می تواند به راحتی به یک الگوریتم صحیح دو مسیره توسعه یابد. الگوریتم دو مسیره ی ما تاثیر زیادی روی حافظه دارد و به استخراج مجموعه داده ها با تعداد زیادی آیتم مجزا و/یا سطوح پشتیبانی خیلی پایین اجازه می دهد.
ارزیابی آزمایشی ما روی مجموعه داده های ترکیبی و حقیقی به صورت زیر می باشد. اولا، الگوریتم تک مسیره ی ما در عمل خیلی دقیق می باشد. ثانیا، الگوریتم ما به طور عمده به حافظه ی کمتری از الگوریتم تک مسیره ی Manku و Motwani و الگوریتم استقرایی چند مسیره نیاز دارد. الگوریتم دو مسیره ی ما به صورت استقرایی و درخت FP عمل می کند، زمانیکه تعداد آیتم های مجزا زیاد می باشد و/یا سطوح پشتیبانی خیلی پایین می باشند. در موارد دیگر، کاملا با اجرای موارد احتمالی، رقابتی می باشد، جاییکه میانگین طول مجموعه آیتم های متناوب بالا می باشد.
Abstract:
Frequent itemset mining is a core data mining operation and
has been extensively studied over the last decade. This paper
takes a new approach for this problem and makes two major
contributions. First, we present a one pass algorithm for
frequent itemset mining, which has deterministic bounds on
the accuracy, and does not require any out-of-core summary
structure. Second, because our one pass algorithm does not
produce any false negatives, it can be easily extended to a
two pass accurate algorithm. Our two pass algorithm is very
memory efficient, and allows mining of datasets with large
number of distinct items and/or very low support levels.
Our detailed experimental evaluation on synthetic and real
datasets shows the following. First, our one pass algorithm is
very accurate in practice. Second, our algorithm requires significantly
lower memory than Manku and Motwani’s one pass
algorithm and the multi-pass apriori algorithm. Our two pass
algorithm outperforms apriori and FP-tree when the number
of distinct items is large and/or support levels are very low.
In other cases, it is quite competitive, with possible exception
of cases where the average length of frequent itemsets is quite high.
single pass algorithm for frequent itemset mining in a streaming
environment. Our algorithm has provable deterministic
bounds on accuracy. Unlike the only other existing work in
this area that we are familiar with [18], our algorithm does not
require any out-of-core summary structure. We believe that
this is a very desirable property, since stream mining algorithms
may need to be executed in small and mobile devices,
which do not have attached disks for storing an out-of-core summary structure.
