DC 欄位 |
值 |
語言 |
DC.contributor | 資訊管理學系 | zh_TW |
DC.creator | 江美靜 | zh_TW |
DC.creator | Mei-Ching Chiang | en_US |
dc.date.accessioned | 2002-6-25T07:39:07Z | |
dc.date.available | 2002-6-25T07:39:07Z | |
dc.date.issued | 2002 | |
dc.identifier.uri | http://ir.lib.ncu.edu.tw:88/thesis/view_etd.asp?URN=89423034 | |
dc.contributor.department | 資訊管理學系 | zh_TW |
DC.description | 國立中央大學 | zh_TW |
DC.description | National Central University | en_US |
dc.description.abstract | 以往一般的循序挖掘研究中所探討的循序樣式,只能得知樣式中項目之間的前後順序關係,但無法讓我們知道項目之間的發生是間隔多久的時間,例如”有70%的機會,顧客於某商店購買印表機後,他會再來購買掃描器,之後則會再來購買燒錄器”的循序樣式,我們能從中得到印表機、掃描器、燒錄器的購買順序之資訊,但是我們無法得知購買印表機、掃描器、燒錄器之間的間隔時間為多久,因此本文提出包含時間區間的循序挖掘之研究,以探勘出擁有更多資訊的時間區間循序樣式,例如”有70%的機會,顧客於某商店購買印表機後,在經過6個月後,他會再來購買掃描器,之後,再經過3個月,則會再來購買燒錄器”的時間區間循序樣式。以零售業為例,業主可以利用所挖掘出的時間區間循序樣式,以瞭解顧客的習慣、喜好和需求,並且預測出顧客在未來某段時間內的期望,達到在適當的時機內,向適當的顧客,提供適當的產品和服務,滿足顧客的所需與所求之目的。故時間區間循序樣式可為企業帶來競爭優勢或替個人帶來利益。
本研究的目的是要挖掘出在序列資料庫中的時間區間循序樣式,一方面我們對此時間區間循序挖掘問題作出相關的定義,另一方面,我們發展出兩種演算法 — I-Apriori和I-PrefixSpan以進行挖掘。最後的實驗分析中,我們將演算法實作成系統,以驗證方法的可行性,並測試此兩演算法的效能與scale-up的特性。從實驗結果中得知,I-PrefixSpan的效能和scale-up的能力皆勝過I-Apriori,為一個較佳的時間區間循序挖掘的演算法。 | zh_TW |
DC.subject | 資料挖掘 | zh_TW |
DC.subject | 循序樣式 | zh_TW |
DC.subject | data mining | en_US |
DC.subject | sequential pattern | en_US |
DC.title | 有時間區間的循序挖掘 | zh_TW |
dc.language.iso | zh-TW | zh-TW |
DC.type | 博碩士論文 | zh_TW |
DC.type | thesis | en_US |
DC.publisher | National Central University | en_US |