Luận văn ThS: Khai thác Top - rank k cho tập đánh trọng trên cơ sở dữ liệu có trọng số

1. Mở đầu

Khai thác dữ liệu là lĩnh vực đã và đang được nghiên cứu nhiều trong thời gian vừa quavới mục đích hỗ trợ các nhà quản lý tìm ra mối quan hệ giữa các sản phẩm trong số lượng lớn danh mục sản phẩm và nhờ đó có thể giúp tăng doanh thu. Quá trình khai thác dữ liệu là quá trình phát hiện ra các mẫu thông tin có giá trị tiềm ẩn trong cơ sở dữ liệu. Khai thác luật kết hợp là một trong những phương thức hay và phổ biến nhất để đạt được mục đích này. Việc khai thác các luật kết hợp nhằm mục đích phát hiện ra các mối quan hệ giữa các tập thuộc tính trong cơ sửo dữ liệu với nhau, trongđó khai thác tập phổ biến đóng vai trò quan trọng trong việc khai thác các luật kết hợp. Các tập phổ biến thường được khai thác từ các cơ sở dữ liệu nhị phân trong đó từng hạng mục trong một giao dịch có thể có những ý nghĩa khác nhau.

Đề tài tập trung vào nghiên cứu các thuật toán khai thác các tập được đánh trọng số dựa trên các thuật toán khai thác tập phổ biến trên cơ sở dữ liệu giao dịch nhị phân. Đề xuất ra thuật toán khai thác các Top-rank-k của các tập được đánh trọng số dựa trên cơ sở dữ liệu giao dịch có trọng số. Từ đó ứng dụng các thuật toán này vào trong thực tiễn.

2. Nội dung

3. Kết luận

Đề tài tập trung vào nghiên cứu các thuật toán khai thác các tập phổ biến được đánh trọng số dựa trên các thuật toán khai thác tập phổ biến trên cơ sở dữ liệu giao dịch nhị phân. Thông qua quá trình thực hiện đề tài đã thực hiện được các mục tiêu:

• Nghiên cứu cơ sở lý thuyết về các kỹ thuật khai thác các tập phổ biến như các phương pháp Apriori, FP-tree, IT-tree.
• Tìm hiểu về cơ sở dữ liệu giao dịch có trọng số, trọng số hỗ trợ và các định nghĩa lý thuyết liên quan.
• Tìm hiểu về độ khác nhau của hai tập tương đương Diffset
• Nghiên cứu các thuật toán khai thác các tập phổ biến trên cơ sở dữ liệu giao dịch có trọng số WIT-FWI, WIT-FWI-DIF.
• Cài đặt thực nghiệm để khảo sát kết quả của thuật toán đề xuất: tiến hành khai thác Top-rank-k trên các cơ sở dữ liệu chuẩn như BMSPOS, Chess, Connect, Mushroom.

4. Tài liệu tham khảo

Agrawal at al. (1993). Mining Association Rule between sets of items in large databases. ACM SIGMOD Record 22 (2) 207-216

Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. In: VLDB’94 (pp. 487-499)

Cai, C. H., Fu, A. W., Cheng, C. H., & Kwong, W. W. (1998). Mining association rules with weighted items. In: Proceedingss of international database engineering and applications symposium (IDEAS 98) (pp. 68-77).

Ramkumar, G. D., Ranka, S., & Tsur, S. (1998). Weighted association rules: Model and algorithm. In: SIGKDD’98 (pp. 661-666)...