Algorytm zachłanny dla konstruowania częściowych reguł asocjacyjnych

• Autorzy: Zielosko B.

Warianty tytułu

EN

Greedy algorithm for partial association rule construction

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono sposób konstruowania częściowych reguł asocjacyjnych z wykorzystaniem algorytmu zachłannego. Podejście to jest odmienne od znanego algorytmu A priori i jego modyfikacji, wykorzystujących zbiory częste. Przedstawione wyniki badań oraz rezultaty z przeprowadzonych eksperymentów pokazują, że algorytm zachłanny pozwala konstruować stosunkowo małą liczbę krótkich, częściowych reguł asocjacyjnych o dobrej jakości, które pokrywają wszystkie obiekty danego systemu informacyjnego.

EN

The paper presents greedy algorithm for partial association rule construction. This approach is different from the known algorithm Apriori and its modifications based on frequent itemsets. Theoretical and experimental results show, that the greedy algorithm constructs relatively small number of short partial association rules which have good accuracy and cover all objects from given information system.

Słowa kluczowe

PL

reguły asocjacyjne; częściowe reguły asocjacyjne; algorytm zachłanny

EN

association rules; partial association rules; greedy algorithm

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2010
• Tom: Vol. 31, nr 2A
• Strony: 225--236
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Zielosko B.

• Uniwersytet Śląski, Instytut Informatyki,

Bibliografia

• 1. Agrawal R., Srikant R.: Fast algorithms for mining association rules in large databases, Proc. 20th International Conference on Very Large Data Bases (Bocca J.B., Jarke M., Zaniolo C., Eds.), Morgan Kaufmann, 1994.
• 2. Asuncion A., Newman D.: UCI machine learning repository, http://www.ics.uci.edu/~mlearn/MLRepository.html, University of California, Irvine, School of Information and Computer Sciences, 2007.
• 3. Feige U.: A threshold of Inn for approximating set cover (preliminary version). Proc. 28th Annual ACM Symposium on the Theory of Computing, ACM Press, New York, 1996.
• 4. Moshkov M.Ju., Piliszczuk M., Zielosko B.: Partial Covers, Reducts and Decision Rules in Rough Sets: Theory and Applications. Studies in Computational Intelligence, Vol. 145, Springer, Heidelberg, 2009.
• 5. Moshkov M.Ju., Piliszczuk M., Zielosko B.: Greedy algorithm for construction of partial association rules. Fundamenta Informaticae, 92, Vol. 3, 2009, s. 259-277.
• 6. Nguyen H.S., Ślęzak D.: Approximate reducts and association rules - correspondence and complexity results, Proc. Rough Sets, Fuzzy Sets, Data Mining and Granular Computing (Zhong N., Skowron A., Ohsuga S.), LNCS (LNAI) 1711, Springer, Heidelberg, 1999.
• 7. Pawlak Z.: Rough Sets - Theoretical Aspects of Reasoning about Data. Kluwer Academic Publishers, Dordrecht, 1991.
• 8. Rissanen J.: Modeling by shortest data description. Automatica, 14, 1978, s. 465-471.
• 9. Skowron A.: Rough sets in KDD. Proc. 16th IFIP World Computer Congress (Shi Z., Faltings B., Musen M., Eds.), Publishing House of Electronic Industry, 2000.
• 10. Slavik P.: Approximation algorithms for set cover and related problems, Ph.D. Thesis, University of New York at Buffalo, 1998.
• 11. Ślęzak D.: Approximate entropy reducts. Fundamenta Informaticae, 53,2002, s. 365-390.