在限定項目個數與交易長度的資料庫中挖掘關聯規則

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：34

、訪客IP：18.222.161.13

姓名

陳家仁(Jian-Rin Chang ) 查詢紙本館藏

畢業系所

資訊管理研究所

論文名稱

在限定項目個數與交易長度的資料庫中挖掘關聯規則

相關論文

★ 零售業商業智慧之探討	★ 有線電話通話異常偵測系統之建置
★ 資料探勘技術運用於在學成績與學測成果分析 -以高職餐飲管理科為例	★ 利用資料採礦技術提昇財富管理效益 -以個案銀行為主
★ 晶圓製造良率模式之評比與分析－以國內某DRAM廠為例	★ 商業智慧分析運用於學生成績之研究
★ 運用資料探勘技術建構國小高年級學生學業成就之預測模式	★ 應用資料探勘技術建立機車貸款風險評估模式之研究－以A公司為例
★ 績效指標評估研究應用於提升研發設計品質保證	★ 基於文字履歷及人格特質應用機械學習改善錄用品質
★ 以關係基因演算法為基礎之一般性架構解決包含限制處理之集合切割問題	★ 關聯式資料庫之廣義知識探勘
★ 考量屬性值取得延遲的決策樹建構	★ 從序列資料中找尋偏好圖的方法 - 應用於群體排名問題
★ 利用分割式分群演算法找共識群解群體決策問題	★ 以新奇的方法有序共識群應用於群體決策問題

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

從交易資料庫中挖掘出的關聯規則可以幫助組織實行目標行銷，進行市場區隔、選擇目標顧客、改進賣場陳設、組合搭售商品等等。以往有關關聯規則的研究都是假設在單一商店的商品項目可能達到數萬種以上的環境中，但在實際的世界中，並不是每一家商店都會有成千上萬的商品，許多商店所販售的商品，種類可能只有數十至數百種不到，例如各種專賣店、精品店、速食店、餐廳、保險公司、百貨公司中的專櫃等等。另一種常見的情形是顧客在多數的商店，每次購買的商品的種類通常不會太多。
基於上述兩種情況，本文發展一個全新的挖掘關聯規則作法，針對挖掘關聯規則時最耗時的步驟加以改進，在掃瞄資料庫一次後，將資料庫的內容儲存於一個樹狀結構中，再利用此樹狀結構產生關聯規則。如此將可大幅減少I/O的時間，讓使用者能更快產生關聯規則，並且不需在掃瞄資料庫前即指定minimum support，所以可以動態給定minimum support而不用重新掃瞄資料庫。

關鍵字(中)

★ 交易資料庫
★ 資料挖掘
★ 關聯規則

關鍵字(英)

★ datamining

論文目次

1緒論1
2文獻探討3
3問題定義6
4演算法7
4.1建立All-subset tree7
4.2找出large itemsets13
5實驗模擬15
5.1實驗設計15
5.2結果分析17
5.3實驗結論23
5.4相關應用24
6結論與建議25
7參考文獻26

參考文獻

[1]M.S. Chen, J. Han, and P.S. Yu, "Data Mining: An Overview from a Database Perspective', IEEE Transactions on Knowledge and Data Engineering, 8(6): 866-883, 1996
[1]J. Han, J. Pei and Y. Yin, "Mining Frequent Patterns without Candidate Generation," Proc. 2000 ACM-SIGMOD Int. Conf. Management of Data (SIGMOD'00), Dallas, TX, May 2000, pp. 1-12.
[2]R. Agrawal and R. Srikant, "Fast Algorithms for Mining Association Rules," Proc. of the 20th Int'l Conference on Very Large Databases, Santiago, Chile, Sep. 1994.
[3]S. Li, H. Shen and L. Cheng, "New Algorithms For Efficient Mining Of Association Rules," Information Sciences, Vol. 118, No. 1-4, Sep. 1999, pp. 251-268.
[4]J-S. Park, M-S. Chen and P. S. Yu, ``Using a Hash-Based Method with Transaction Trimming for Mining Association Rules,' IEEE Trans. on Knowledge and Data Engineering, Vol. 9, No. 5, Oct. 1997, pp. 813-825.
[5]N. Pasquier, Y. Bastide, R. Taouil and L. Lakhal, "Efficient Mining Of Association Rules Using Closed Itemset Lattices," Information Systems, Vol. 24, No. 1, March 1999, pp. 25-46.
[6]A. Savasere, E. Omiecinski and S. Navathe, "An Efficient Algorithm for Mining Association Rules in Large Databases," Proc. Int'l Conf. Very Large Data Bases, Zurich, Switzerland, Sep. 1995, pp. 432-444.
[7]H. Toivonen, "Sampling Large Databases For Association Rules," The 22th International Conference on Very Large Databases (VLDB'96), Mumbay, India, Sep. 1996, pp. 134-145.
[8]J. Han and M. Kamber, Data mining: Concepts and Techniques, Academic Press, 2001.
[9]陳彥良、凌俊青、許秉瑜"在包裹式資料庫中挖掘數量關連規則,"資訊管理學報，第七卷，第二期，pp. 215-229。。
[10]陳彥良等,"資料間隱含關係的挖掘與展望," 二十一世紀台灣湧現中的資訊管理議題專家研討會, "大溪,鴻禧山莊。

指導教授

陳彥良(Yen-Liang Chen)

審核日期

2001-6-27

推文