La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

On Identifying Useful Patterns to Analyze Products in Retail Transaction Databases Sur l'identification de modèles utiles pour analyser les produits dans les bases de données de transactions de vente au détail

Unil YUN

  • Vues en texte intégral

    0

  • Citer

Résumé:

L'exploration de modèles corrélés dans de grandes bases de données de transactions est l'une des tâches essentielles de l'exploration de données, car un grand nombre de modèles sont généralement extraits, mais il est difficile de trouver des modèles avec corrélation. L'analyse des données nécessaire doit être effectuée en fonction des exigences de l'application réelle particulière. Dans les approches d'exploration de données précédentes, des modèles avec une faible affinité se trouvaient même avec un support minimum élevé. Dans cet article, nous suggérons une exploration de modèles d'affinité de support pondéré dans laquelle une nouvelle mesure, la confiance pondérée du support (ws-confidence), est développée pour identifier les modèles corrélés avec l'affinité de support pondérée. Pour élaguer efficacement les modèles de faible affinité, nous prouvons que la mesure de confiance ws satisfait les propriétés de support anti-monotone et à pondération croisée qui peuvent être appliquées pour éliminer les modèles avec des niveaux de support pondérés différents. Sur la base de ces deux propriétés, nous développons un algorithme d'exploration de modèles d'affinité de support pondéré (WSP). Les modèles d'affinité de support pondérés peuvent être utiles pour répondre aux requêtes d'analyse comparative telles que la recherche d'ensembles d'articles contenant des articles qui donnent des niveaux de frais de vente totaux similaires avec une plage d'erreur acceptable α % et la détection de listes d'articles avec des niveaux similaires de bénéfices totaux. De plus, notre étude de performance montre que WSP est efficace et évolutif pour les modèles d’affinité de support pondérés en matière d’exploitation minière.

Publication
IEICE TRANSACTIONS on Information Vol.E92-D No.12 pp.2430-2438
Date de publication
2009/12/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E92.D.2430
Type de manuscrit
PAPER
Catégories
Data Mining

Auteurs

Mots-clés

Table des matières