초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

대용량의 데이터베이스에서 여러 트랜잭션에 동시에 나타나는 항목들의 모임인 빈발 항목집합을 찾아내는 데이터 마이닝 방법을 연관 규칙 탐사라고 한다. 빈발 항목집합을 찾아내는 데이터 마이닝 방법을 연관 규칙 탐사라고 한다. 빈방 항목집합을 찾아내는 문제는 항목 집합들의 후보 집합을 생성하고 빈발 항목집합의 조건을 충족시키는 후보 집합을 추출함으로써 해결된다. 그리고 이러한 작업은 각각의 빈발 k-항목집합에 대해 k가 증가함에 따라 반복적으로 수행된다. 그러나 연관 규칙 탐사에 관한 기존의 연구는 주로 데이터베이스를 이루는 항목들의 수가 많거나 트랜잭션의 길이가 긴 경우의 대용량 데이터베이스에서 빈발 항목집합의 발견에 초점을 맞추고 있다. 본 논문에서는 데이터베이스를 이루는 전체 항목의 수가 적거나 트랜잭션의 크기가 작은 경우 효과적으로 빈발 항목집합을 찾을 수 있는 연관 규칙 탐사 방법을 제안한다. 그리고 성능 평가를 통하여 제안하는 방법의 성능 및 타당성을 보인다.

대용량의 데이터베이스에서 여러 트랜잭션에 동시에 나타나는 항목들의 모임인 빈발 항목집합을 찾아내는 데이터 마이닝 방법을 연관 규칙 탐사라고 한다. 빈발 항목집합을 찾아내는 데이터 마이닝 방법을 연관 규칙 탐사라고 한다. 빈방 항목집합을 찾아내는 문제는 항목 집합들의 후보 집합을 생성하고 빈발 항목집합의 조건을 충족시키는 후보 집합을 추출함으로써 해결된다. 그리고 이러한 작업은 각각의 빈발 k-항목집합에 대해 k가 증가함에 따라 반복적으로 수행된다. 그러나 연관 규칙 탐사에 관한 기존의 연구는 주로 데이터베이스를 이루는 항목들의 수가 많거나 트랜잭션의 길이가 긴 경우의 대용량 데이터베이스에서 빈발 항목집합의 발견에 초점을 맞추고 있다. 본 논문에서는 데이터베이스를 이루는 전체 항목의 수가 적거나 트랜잭션의 크기가 작은 경우 효과적으로 빈발 항목집합을 찾을 수 있는 연관 규칙 탐사 방법을 제안한다. 그리고 성능 평가를 통하여 제안하는 방법의 성능 및 타당성을 보인다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서 판매 트랜잭션의 방대한 데이터베이스에 있는 항목들 간의 연관 규칙 탐사 문제를 다루었다. 빈발 항목 집합들을 발견하는 문제는 먼저 항목 집합들의 후보 집합을 구성하고 이 후보 집합 내에서 빈발 항목 집합들의 요구 조건을 만족시키는 항목 집합들을 규명함으로써 해결할 수 있다.
• 본 논문에서는 트랜잭션의 길이가 작거나 데이터베이스를 이루는 항목들의 수가 비교적 적은 트랜잭션 데이터 베이스에서 최소 지 지도에 영향을 받지 않고 기존의 알고리즘보다 더 짧은 시간에 빈발항목 집합을 발견할 수 있는 효과적인 연관 규칙 탐사 알고리즘을 제안한다. 제안하는 방법은 해쉬 기법에 기초하여 한 번의 데이터베이스 조사 과정을 통하여 빈발 k-항목 집합들을 추출한다.
• A=B와 같은 형태의 연관 규칙을 추출하기 위해 기존의 알고리즘들이 서로 매우 다름에도 불구하고 그들 모두는 최소 지지도를 만족하는 빈발 항목 집합을 추출하고 빈발 항목 집합 에서 최소 신뢰도를 만족하는 규칙을 추출하는 두 단계의 기본적인 스키마를 사용한다. 본 논문에서는 하나의 트랜잭션이 하루에 판매되는 품목들로 이루어진다고 정의 할 때, 많은 종류의 생필품과는 상대적으로 적은 종류의 품목들에 대해서 효과적으로 수행할 수 있는 DLG 알고리즘을 소개한다. 연관 규칙은 하나의 트랜잭션을 이루는 항목들의 집합 안에 존재한다.

제안 방법

• 지금까지 빈발 항목 집합을 찾기 위한 다양한 연관 규칙 탐사 알고리즘들이 제시되었다[1, 2, 3, 4]. 제안된 기존의 연관 규칙 탐사 알고리즘들은 먼저 빈발 항목 집합들을 생성하기 위한 후보 집합을 만들고 그 후보. 집합들 중에서 빈발 항목 집합들을 찾아낸다.
• 본 논문에서는 트랜잭션의 길이가 작거나 데이터베이스를 이루는 항목들의 수가 비교적 적은 트랜잭션 데이터 베이스에서 최소 지 지도에 영향을 받지 않고 기존의 알고리즘보다 더 짧은 시간에 빈발항목 집합을 발견할 수 있는 효과적인 연관 규칙 탐사 알고리즘을 제안한다. 제안하는 방법은 해쉬 기법에 기초하여 한 번의 데이터베이스 조사 과정을 통하여 빈발 k-항목 집합들을 추출한다. 이에 대해서는 3장에서 자세히 설명할 것이다.

성능/효과

• 빈발 항목 집합들을 발견하는 문제는 먼저 항목 집합들의 후보 집합을 구성하고 이 후보 집합 내에서 빈발 항목 집합들의 요구 조건을 만족시키는 항목 집합들을 규명함으로써 해결할 수 있다. 본 논문에서는 판매 트랜잭션 데이터베이스를 이루는 각 트랜잭션의 길이가 비교적 짧은 경우와 전체 데이터베이스를 이루는 항목의 수가 적은 경우에 해쉬 기법을 사용하여 효과적으로 빈발 항목 집합 을 생성하는 알고리즘을 제안하였고, 모의실험을 통하여 기존의 알고리즘을 적용했을 때 보다 성능이 더 좋다는 것을 증명하였다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기