時序資料庫中跨交易關聯規則探勘之研究; Mining Intertransaction Associations from Temporal Databases

NCUIR > College of Electrical Engineering & Computer Science > Department of Computer Science and information Engineering > Research Project > Item 987654321/43156

Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/43156

Title:	時序資料庫中跨交易關聯規則探勘之研究;Mining Intertransaction Associations from Temporal Databases
Authors:	張嘉惠
Contributors:	資訊工程系
Keywords:	頻繁事件序;頻繁連續事件;時序資料庫/序列;時序性關聯規則;資訊科學--軟體
Date:	2006-07-01
Issue Date:	2010-12-06 16:32:55 (UTC+8)
Publisher:	行政院國家科學委員會
Abstract:	隨著資訊化的普及，大部分的資料皆記錄在電子儲存媒體中，這些時序資料中隱含了高價值的資訊，從這些時序資料中探勘關聯規則以便做為未來趨勢的分析與預測，是一個新興的資料探勘課題。以往資料探勘的研究主要在找出交易中(Intra-transaction)的關聯規則，至於跨交易(Inter-transaction)的關聯其定義似乎因人而易，除了最著名的序列型樣（sequential patterns）之外，頻繁事件序（frequent episodes）、頻繁連續事件（frequent continuities）及週期型樣（periodic patterns）亦是研究的焦點。所謂的事件序（episodes）是指在固定且連續的時間間隔內存在的「部分次序」（partial order）關係，而連續事件則是在固定且連續的時間間隔內存在的「完整且連續順序」（total and continuous order）關係。從相關文獻整理之中，我們發現現有的頻繁事件序不僅在問題定義上，而且在探勘演算法上皆存在了一些值得修正的缺失。此外，傳統的頻繁事件序探勘演算法只考慮在時間單元內僅存在一個事件的簡單序列（simple sequence），然而在現實生活中，卻常常存在有時間單元內發現多個事件的複雜序列（complex sequence）。而在頻繁連續事件的研究中，雖然已存在一個FITI 演算法用於解決此問題。但由於該演算法為Apriori-like 的方法，因此會產生大量的候選集合進行檢查，所以在效率上仍有改良的空間。基於上述所提的方法之缺失，因此本計劃將提出一個在複雜序列上的頻繁事件序及連續事件探勘演算法。並且綜合去年度週期型樣探演算法，建立時序資料庫跨交易關聯規則的探勘軟體。研究期間：9408 ~ 9507
Relation:	財團法人國家實驗研究院科技政策研究與資訊中心
Appears in Collections:	[Department of Computer Science and information Engineering] Research Project

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	470	View/Open

社群 sharing

Loading...