대표어
한국학술지인용색인(NRF)
권호기사보기
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
국회도서관 홈으로
정보검색
소장정보 검색
결과 내 검색
동의어 포함
-
-
목차보기
목차
데이터 스트림에서 가중치 지지도 기반 빈발 패턴 추출 방법 / 김영희 ; 김원영 ; 김응모 1
요약 1
Abstract 1
1. 서론 1
2. 관련연구 2
3. 가중치 지지도 기반 탐색 기법 2
4. 성능 평가 5
5. 결론 및 향후 과제 6
참고문헌 7
[저자소개] 7
초록보기
다양한 저장 장치의 발달과 네트워크의 발전은 대용량의 데이터를 연속적으로 빠르게 생성한다. 데이터 스트림에서의 데이터 마이닝은 처리 시간 및 메모리 사용에 제한적이다. 또한 생성된 데이터를 한 번의 스캔으로 유용한 패턴을 발견할 수 있어야 하고 정보 변화 가능성이 큰 데이터 속성을 갖는 경우 최근의 정보를 반영한 빠른 분석이 가능해야 한다. 기존의 지지도 기반 마이닝 방법들은 일정 기간 동안 미리 정의된 지지도 이상의 빈발 항목에 대하여만 고려하므로 중요도가 높은 항목들을 간과하는 문제점을 가지고 있다. 본 논문에서는 시간의 변화에 따른 가변성을 고려하여 가중치 지지도를 갖는 데이터 항목들에 대하여 보다 의미 있는 정보를 제공하기 위한 효율적인 빈발 패턴 추출 방법을 제안하고자 한다. 제안된 WSFI-Mine(Weighted Support Frequent Itemsets Mine) 방법은 DCT(Data Stream Closed Pattern Tree) 데이터 구조를 이용하여 패쇄 빈발 항목을 탐사한다. 제안된 알고리즘은 DSM-FI와 THUI-Mine 알고리즘과 지지도 변화에 따른 성능을 비교하였고 그 결과 비교 알고리즘 보다 수행 시간이 우수함을 보였고, 빈발 항목을 생성하는 후보 항목의 수를 줄이므로 메모리 사용량을 효율적으로 사용할 수 있음을 보였다.
Recently, due to technical developments of various storage devices and networks, the amount of data increases rapidly. The large volume of data streams poses unique space and time constraints on the data mining process. The continuous characteristic of streaming data necessitates the use of algorithms that require only one scan over the stream for knowledge discovery. Most of the researches based on the support are concerned with the frequent itemsets, but ignore the infrequent itemsets even if it is crucial. In this paper, we propose an efficient method WSFI-Mine(Weighted Support Frequent Itemsets Mine) to mine all frequent itemsets by one scan from the data stream. This method can discover the closed frequent itemsets using DCT(Data Stream Closed Pattern Tree). We compare the performance of our algorithm with DSM-FI and THUI-Mine, under different minimum supports. As results show that WSFI-Mine not only run significant faster, but also consume less memory.
Recently, due to technical developments of various storage devices and networks, the amount of data increases rapidly. The large volume of data streams poses unique space and time constraints on the data mining process. The continuous characteristic of streaming data necessitates the use of algorithms that require only one scan over the stream for knowledge discovery. Most of the researches based on the support are concerned with the frequent itemsets, but ignore the infrequent itemsets even if it is crucial. In this paper, we propose an efficient method WSFI-Mine(Weighted Support Frequent Itemsets Mine) to mine all frequent itemsets by one scan from the data stream. This method can discover the closed frequent itemsets using DCT(Data Stream Closed Pattern Tree). We compare the performance of our algorithm with DSM-FI and THUI-Mine, under different minimum supports. As results show that WSFI-Mine not only run significant faster, but also consume less memory.
권호기사
참고문헌 (11건) : 자료제공( 네이버학술정보 )
| 번호 | 참고문헌 | 국회도서관 소장유무 |
|---|---|---|
| 1 | A Sliding Window Method for Finding Recently Frequent Itemsets over Online Data Streams  |
미소장 |
| 2 | Agrawal, R., Srikant, R.: Fast Algorithms for Mining Association Rules. In Conf. of the 20th VLDB conference, pp. 487-499, 1994. | 미소장 |
| 3 | Manku, G. S., Motwani, R.: Approximate Frequency Counts Over Data Streams. In Proc. of the 28th VLDB, pp. 346-357, 2002. | 미소장 |
| 4 | Li., H.F., Lee, S.Y., Shan, M. K.: An Efficient Algorithm for Mining Frequent Itemsets over the Entire History of Data Streams. In Proceedings of First International Workshop on Knowledge Discovery in Data Streams 9IWKDDS, 2004. | 미소장 |
| 5 | Li., H. F., Lee, S.Y., Shan, M. K.: Online Mining (Recently) Maximal Frequent Itemsets over Data Streams. In Proceedings of the 15th IEEE International Workshop on Research Issues on Data Engineering(RIDE), 2005. | 미소장 |
| 6 | Mining frequent itemsets over data streams using efficient window sliding techniques |
미소장 |
| 7 | Sliding window filtering: an efficient method for incremental mining on a time-variant database |
미소장 |
| 8 | Chi, Y., Wang, H., Yu, P. S., Muntz, R. R.: Moment: Maintaining Closed Frequent Itemsets over a Stream Sliding Window. In Proceedings of the Fourth IEEE International Conference on Data Mining (ICDM’04), 2004. | 미소장 |
| 9 | An efficient algorithm for mining temporal high utility itemsets from data streams |
미소장 |
| 10 | Yun, U., Leggett, J, J.: WFIM: Weighted Frequent Itemset Mining with a weight range and a minimum weight. Proceedings of the Fourth SIAM International Conference on Data Mining, pp636-640, 2005. | 미소장 |
| 11 | http://fimi.cs.helsinki.fi/data/ | 미소장 |
MARC 보기
오류 데이터 정정요청
*표시는 필수 입력사항입니다.
알림톡 발송
| 전화번호 |
|---|
개인정보 수정 바로가기
연속간행물 권호 선택
우편복사 안내
- ◾ 도서관을 방문하지 못할 경우 인터넷, 팩스 등으로 자료 복사를 신청하고, 복사물을 우편·팩스 등으로 제공받는 서비스
- ◾ 대상자료: 일반도서, 연속간행물 및 학위논문
- ※ 고서, 고잡지, 훼손될 우려가 있는 자료, 마이크로폼 자료 및 신문 등 제외
- ◾ 신청 책수: 1인 5책 이하(1일 기준)
- ◾ 신청 절차: 자료 검색 → 우편복사 목록담기 → 복사 범위 입력 → 우편복사 주문서 입력 → 접수 및 확인
- ※ 저작권법에 의거하여 부분 복사(전체 페이지 수의 1/3 범위 이내)만 가능
- ◾ 복사 범위 입력 예시: (연속 페이지) 1-30, (부분 페이지) 25, 30-40
| 번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
|---|
도서위치안내(서울관)
도서위치안내: 정기간행물실(524호) / 서가번호: 국내12
2021년 이전 정기간행물은 온라인 신청(원문 구축 자료는 원문 이용)
0
확인
우편복사 목록담기를 완료하였습니다.
내서재에 담기
새로운 서재
*표시는 필수 입력사항입니다.
저장
저장 되었습니다.