کشف الگوهای پرتکرار افزایشی و کاهشی

سال انتشار: 1395
محل انتشار: بیست و دومین کنفرانس ملی سالانه انجمن کامپیوترایران
کد COI اختصاصی: ACCSI22_026
زبان مقاله: فارسی
تعداد مشاهده: 934

نویسندگان

گروه مهندسی کامپیوتر، دانشگاه بجنورد، بجنورد

گروه مهندسی کامپیوتر، دانشگاه مهندسی فناوری های نوین قوچان، قوچان

چکیده

کشف الگوهای پرتکرار از مجموعه داده های تراکنشی یکی از مهمترین وظایف داده کاوی است که تا کنون تحقیقات بسیار زیادی بر روی آن انجام گرفته است. بخشی از این تحقیقات بر روی الگوهای پرتکرار متناوب متمرکز گردیده اند؛ الگوهای متناوب، الگوهایی هستند که به طور منظم تکرار می شوند؛ به عبارت دیگر الگوهایی، که فاصله بین هر دو رخداد متوالی آنها، از حداکثر از پیش تعریف شده کمتر باشد. اگرچه الگوهای متناوب می توانند اطلاعات مفیدی برای کاربران به همراه داشته باشند؛ اما به نظر می رسد که حالتهای خاص، مثل افزایش یا کاهش تعداد رخداد یک الگوی پرتکرار، نیز می تواند مفید باشد. این در حالی است که این اطلاعات، با جدا کردن الگوهای متناوب از دست خواهد رفت. در این مقاله الگوریتمی مبتنی بر الگوریتم Eclat پیشنهاد نموده ایم که می تواند، با بررسی تغییرات فاصله رخدادها، حالتهای خاص در الگوها را کشف کند. آزمایش های انجام شده نشان می دهد الگوریتم ارایه شده کارا بوده و می تواند الگوهای پرتکرار افزایشی و یا کاهشی را پیدا نماید.

کلیدواژه ها

الگوی پرتکرار، الگوریتم Eclat، الگوی پرتکرار متناوب

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.