데이터 마이닝에서 기존의 연관규칙을 갱신하는 효율적인 앨고리듬 = (An) efficient algorithm for updating discovered association rules in data mining
저자
발행사항
서울 : 한양대학교 대학원, 1997
학위논문사항
학위논문(석사)-- 한양대학교 대학원: 산업공학과 1998. 2
발행연도
1997
작성언어
한국어
주제어
KDC
005.74 판사항(4)
발행국(도시)
서울
형태사항
ii, 27p. : 삽도 ; 27 cm.
일반주기명
참고문헌: p. 24-25
소장기관
본 연구에서는 데이터베이스에 트랜잭션이 추가됨에 따라 새로운 연관규칙이 발견되거나 기존의 연관규칙이 소멸될 수 있기 때문에 대용량 데이터베이스에서 연관규칙을 갱신하는 효율적 앨고리듬을 제시한다.
기존의 갱신 앨고리듬은 기존의 데이터베이스에서 발견된 연관규칙에 대한 정보를 재사용함으로써 전체 데이터베이스의 연관규칙을 효율적으로 갱신할 수 있게 한다. 또한 연관규칙을 갱신하는 각 반복수행에서 다음 반복수행에서의 데이터베이스의 검색을 줄이기 위해 데이터베이스를 전지한다.
본 연구에서는 기존의 갱신 앨고리듬과 같이 기존의 데이터베이스에서 발견된 연관규칙에 대한 정보를 재사용함으로써 전체 데이터베이스의 연관규칙을 효율적으로 갱신할 수 있게 한다.
본 연구에서는 추가되는 데이터베이스로 인하여 전체 데이터베이스에서 새로운 빈발 항목집합의 출현은 어렵다는 점을 이용하여 추가되는 데이터베이스에서의 후보 항목집합을 한번에 생성하고, 최소지지도를 만족하는 후보 항목집합에 대해 기존의 데이터베이스를 검색하여 전체 데이터베이스에서 갱신된 연관규칙을 찾는다. 이것이 기존의 갱신 앨고리듬과 다른 점이다. 또한 각 반복수행에서 다음 반복수행에서의 데이터베이스의 검색을 줄이기 위한 데이터베이스 전지작업을 하지 않는다. 이렇게 함으로써 제안하는 갱신 앨고리듬은 빠르고 효율적으로 연관규칙을 갱신한다.
This study suggests an efficient algorithm for updating discovered association rules in large database, because a database may allow frequent or occasional updates, and such updates may not only invalidate some existing strong association rules, but also turn some weak rules into strong ones.
FUP and DMI update efficiently strong association rules in the whole updated database reusing the information of the old large itemsets. Moreover, these algorithms use a pruning technique for reducing the database size during the update process.
This study updates strong association rules efficiently in the whole updated database reusing the information of the old large itemsets. An updating algorithm that is suggested in this study generates the whole candidate itemsets at once in an incremental database in view of the fact that it is difficult to find the new set of large itemsets in the whole updated database after an incremental database is added to the original database. This method of generating candidate itemsets is different from that of FUP and DMI.
After generating the whole candidate itemsets, if each itemset in the whole candidate itemsets is large at an incremental database, the original database is scanned and the support of each itemset in the whole candidate itemsets is updated. So, the whole large itemsets in the whole updated database is found out.
An updating algorithm that is suggested in this study does not use a pruning technique for reducing the database size during the update process. As a result, an updating algorithm that is suggested updates fast and efficiently discovered large itemsets.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)