2. The Problem Domain Data mining o

2. The Problem Domain
Data mining on large data warehouses for nuggets of
decision-support knowledge is becoming crucial for
business organizations. The existing algorithms discuss
the problems that how to mine sequential patterns
quickly and how to maintain the discovered sequential
patterns. Although data mining has been widely and
successfully used in the domain of business operations,
data mining in sport is just in its infancy. So far, the
research on incremental updating of sequential pattern
mining has been focusing on two aspects: on the one
hand, when new transactions and new data-sequences are
appended to the original database, how to deal with the
incremental updating of sequential pattern mining; on the
other hand, when the minimum support threshold
changes and the original database doesn't change, how to
deal with the maintenance problem of sequential pattern
mining. But in the fields of E-Commerce and Web usage
mining, we often delete some information from sequence
database, in order to save storage space or because some
information is not interesting any longer or has become
invalid. Data mining in E-Commerce for Sales
Promotions System is frequently used statistical models
or techniques for data mining in terms of marketing,
sales, and customer relationship management. The tasks
that have been performed in the area of data mining are
as follows: classification, estimation, prediction, and
profiling. The incremental updating of sequential pattern
mining in this circumstance [15], [16] has been paid little
attention in previous studies. When data mining tasks
are outsourced, it is important to protect the following
three elements from which business intelligence and
customer privacy can be drilled down:
(i) The source data which is the database of
all the transactions.
(ii) The mining results which are frequent
item sets as well as their supports in our context.
(iii) The mining requests which are item sets of interests.
In this paper, we investigate the issue and develop a new
algorithm, called MA_D, to deal with the problem that
when some information is deleted from a sequence
database, how to maintain the discovered sequential
patterns. Our algorithm utilizes the information obtained
from prior mining processes and stores the sets of
discovered frequent sequence in the original database for
further mining. Meanwhile, it adopts a new method to
generate the sets of candidate sequence, which cuts down
the size of candidate sets in some extent

ผลลัพธ์ (ไทย) 1:

2 ปัญหาโดเมน
การทำเหมืองข้อมูลในคลังข้อมูลขนาดใหญ่สำหรับนักเก็ตของ
ความรู้สนับสนุนการตัดสินใจเป็นสิ่งสำคัญสำหรับองค์กรธุรกิจ
ขั้นตอนวิธีการที่มีอยู่หารือ
ปัญหาที่วิธีการเหมืองรูปแบบลำดับ
ได้อย่างรวดเร็วและวิธีการรักษาลำดับการค้นพบรูปแบบ
แม้ว่าการทำเหมืองข้อมูลที่ได้รับการยอมรับอย่างกว้างขวางและ
ใช้ประสบความสำเร็จในโดเมนของการดำเนินธุรกิจที่
การทำเหมืองข้อมูลในการเล่นกีฬาเป็นเพียงในวัยเด็กของ จนถึง
งานวิจัยเกี่ยวกับการปรับปรุงที่เพิ่มขึ้นของรูปแบบลำดับ
การทำเหมืองแร่ที่ได้รับการมุ่งเน้นไปที่สองด้านคือด้านบนมือข้างหนึ่ง
เมื่อทำธุรกรรมใหม่และข้อมูลลำดับใหม่
ต่อท้ายไปยังฐานข้อมูลเดิมวิธีการจัดการกับ
ที่เพิ่มขึ้น การปรับปรุงรูปแบบการทำเหมืองต่อเนื่องในอีก
เมื่อเกณฑ์การสนับสนุนขั้นต่ำ
การเปลี่ยนแปลงและการฐานข้อมูลเดิมไม่เปลี่ยนแปลงวิธีการ
จัดการกับปัญหาการบำรุงรักษาของรูปแบบลำดับ
การทำเหมืองแร่ แต่ในด้านของอีคอมเมิร์ซและการใช้งานเว็บการทำเหมืองแร่
เรามักจะลบข้อมูลบางส่วนจากฐานข้อมูลลำดับ
เพื่อประหยัดพื้นที่จัดเก็บหรือเพราะบาง
ข้อมูลไม่น่าสนใจอีกต่อไปหรือได้กลายเป็นที่ไม่ถูกต้อง
การทำเหมืองข้อมูลในอีคอมเมิร์ซสำหรับการขาย
ระบบโปรโมชั่นที่ใช้บ่อยแบบจำลองทางสถิติ
หรือเทคนิคการทำเหมืองข้อมูลในแง่ของการตลาด
การขายและการบริหารลูกค้าสัมพันธ์
งานที่ได้รับการดำเนินการในพื้นที่ของการทำเหมืองข้อมูลเป็น
ดังนี้การจำแนกการประเมินการคาดการณ์และ
โปรไฟล์ การปรับปรุงที่เพิ่มขึ้นของลำดับรูปแบบการทำเหมืองแร่
ในกรณีนี้ [15],[16] ได้รับการจ่ายเงินเล็ก ๆ น้อย ๆ
ความสนใจในการศึกษาก่อนหน้านี้ เมื่อการทำเหมืองข้อมูลงาน
เป็น outsourced มันเป็นสิ่งสำคัญในการป้องกันต่อไปนี้
สามองค์ประกอบที่ทางธุรกิจและความเป็นส่วนตัวของลูกค้า
สามารถเจาะลง
(i) แหล่งข้อมูลซึ่งเป็นฐานข้อมูลของ
การทำธุรกรรมทั้งหมด
(ii) ผลการทำเหมืองแร่ที่มีบ่อย
รายการที่กำหนดเช่นเดียวกับการสนับสนุนของพวกเขาในบริบทของเรา
(iii) การร้องขอการทำเหมืองแร่ซึ่งเป็นชุดรายการของผลประโยชน์
ในบทความนี้เราจะตรวจสอบปัญหาและการพัฒนาอัลกอริทึมใหม่
เรียกว่า ma_d, การจัดการกับปัญหาที่
เมื่อข้อมูลบางอย่างจะถูกลบออกจากฐานข้อมูลลำดับ
วิธีการรักษาลำดับการค้นพบรูปแบบ
ขั้นตอนวิธีการของเราจะใช้ข้อมูลที่ได้รับจากกระบวนการ
ก่อนการทำเหมืองแร่และเก็บชุด
พบบ่อยลำดับในฐานข้อมูลที่เป็นต้นฉบับสำหรับการทำเหมืองแร่
ต่อไป ในขณะเดียวกันมัน adopts วิธีการใหม่ในการสร้างชุด
ของผู้สมัครตามลำดับซึ่งลดลง
ขนาดของชุดที่ผู้สมัครในขอบเขต

ผลลัพธ์ (ไทย) 2:

2.โดเมนของปัญหา
เหมืองข้อมูลในคลังข้อมูลขนาดใหญ่สำหรับนักเก็ตของ
ความรู้สนับสนุนการตัดสินใจเป็นสิ่งสำคัญสำหรับ
องค์กรธุรกิจ หารือเกี่ยวกับอัลกอริทึมอยู่
ปัญหาที่วิธีการศึกษารูปแบบลำดับ
อย่างรวดเร็ว และวิธีการรักษาที่พบตามลำดับ
รูปแบบ แม้ว่าการทำเหมืองข้อมูลดำเนินได้อย่างกว้างขวาง และ
สำเร็จใช้ในโดเมนของการดำเนินธุรกิจ
ข้อมูลการทำเหมืองในกีฬาเป็นเพียงของตราสินค้า ฉะนี้
วิจัยปรับปรุงแบบเพิ่มหน่วยของรูปตามลำดับ
ทำเหมืองมีการเน้นในสองด้าน: ในหนึ่ง
มือ เมื่อธุรกรรมใหม่และลำดับข้อมูลใหม่
ถูกผนวกเข้ากับฐานข้อมูลต้นฉบับ วิธีจัดการกับ
ปรับปรุงส่วนเพิ่มของการทำเหมืองแบบตามลำดับ ในการ
อีก เมื่อคำนวณสนับสนุนจำกัด
เปลี่ยนแปลงและฐานข้อมูลเดิมไม่เปลี่ยนแปลง การ
จัดการกับปัญหาบำรุงรักษารูปแบบตามลำดับ
ทำเหมือง แต่ ในด้านของการใช้อีคอมเมิร์ซและเว็บ
ทำเหมืองแร่ เรามักจะลบข้อมูลบางอย่างจากลำดับ
ฐานข้อมูล เพื่อประหยัดพื้นที่จัดเก็บหรือบาง
ข้อมูลไม่สนใจอีกต่อไป หรือกลายเป็น
ถูกต้อง การทำเหมืองข้อมูลใน E-Commerce สำหรับขาย
ระบบโปรโมชั่นเป็นแบบจำลองทางสถิติใช้บ่อย
หรือเทคนิคในการทำเหมืองข้อมูลในด้านการตลาด,
ขาย และการจัดการลูกค้าสัมพันธ์ งาน
ที่ได้ปฏิบัติในพื้นที่ของการทำเหมืองข้อมูลมี
ดัง: ประเภท ประเมิน คาด เดา และ
สร้างโพรไฟล์ ปรับปรุงแบบเพิ่มหน่วยของรูปตามลำดับ
ทำเหมืองแร่ในสถานการณ์นี้ [15], [16] ได้ถูกชำระเงินน้อย
ความสนใจในการศึกษาก่อนหน้านี้ เมื่อข้อมูลที่การทำเหมืองแร่งาน
เป็นผลิตนอกบริษัท มันเป็นสิ่งสำคัญในการป้องกันต่อไปนี้
องค์ประกอบจากข่าวกรองธุรกิจที่ และ
ส่วนบุคคลลูกค้าสามารถจะแสดงรายละเอียด:
(i) แหล่งข้อมูลซึ่งเป็นฐานข้อมูลของ
ธุรกรรมทั้งหมดได้
(ii) ผลทำเหมืองซึ่งเป็นบ่อย
สินค้ากำหนดและผู้สนับสนุนในบริบทของเรา
(iii)ขอทำเหมืองแร่ซึ่งเป็นชุดสินค้าน่าสนใจ
ในกระดาษนี้ เราตรวจสอบปัญหา และพัฒนาใหม่
อัลกอริทึม เรียกว่า MA_D การจัดการกับปัญหาที่
เมื่อข้อมูลถูกลบออกจากลำดับ
ฐานข้อมูล วิธีการรักษาที่พบตามลำดับ
รูปแบบ ข้อมูลที่ได้รับใช้อัลกอริทึมของเรา
จากก่อนดำเนินการเหมืองแร่ และจัดเก็บชุดของ
พบบ่อยลำดับในฐานข้อมูลต้นฉบับสำหรับ
ไปทำเหมือง ในขณะเดียวกัน มัน adopts มีวิธีใหม่
สร้างชุดลำดับผู้สมัคร ซึ่งตัดลง
ชุดขนาดของผู้สมัครบ้าง

ผลลัพธ์ (ไทย) 3:

2 . ปัญหาเกี่ยวกับโดเมนการทำเหมืองแร่
ข้อมูลที่อยู่ในคลังสินค้าข้อมูลขนาดใหญ่สำหรับนักเก็ตของความรู้
การตัดสินใจ - การสนับสนุนเป็นสิ่งสำคัญยิ่งสำหรับองค์กร
ทางธุรกิจ อัลกอริธึมที่มีอยู่ที่อธิบายถึงปัญหา
ที่ว่าการของเราแบบต่อเนื่องเป็นลำดับรูปแบบ
ได้อย่างรวดเร็วและวิธีการรักษารูปแบบแบบต่อเนื่องเป็นลำดับ
พบ แม้ว่าข้อมูลการทำเหมืองแร่ได้รับการยอมรับอย่างกว้างขวางและ
เรียบร้อยแล้วใช้ในโดเมนของการดำเนินธุรกิจการทำเหมืองแร่
ข้อมูลในทางด้านกีฬาเป็นเพียงในทารกของตน ดังนั้นไกล
การวิจัยที่เกี่ยวกับการปรับปรุงรูปแบบการเพิ่มแพกเกจของแบบต่อเนื่องเป็นลำดับ
การทำเหมืองแร่ได้รับการมุ่งเน้นในด้านต่างๆทั้งสองบนหนึ่ง
มือเมื่อใหม่และการทำธุรกรรมใหม่ข้อมูล - ภาพ มี
พ่วงท้ายในฐานข้อมูลเดิมได้อย่างไรในการจัดการกับ
เพิ่มขึ้นการปรับปรุงรูปแบบการทำเหมืองแร่ลำดับที่
มืออื่นๆเมื่อค่าการสนับสนุนต่ำสุด
การเปลี่ยนแปลงและฐานข้อมูลเดิมไม่ได้เปลี่ยนวิธีการ
ข้อตกลงกับปัญหาการบำรุงรักษาที่เรียงอยู่ต่อกันในรูปแบบ
การทำเหมืองแร่ แต่ในฟิลด์ที่อยู่ในอี - คอมเมิร์ซและ Web การใช้งาน
การทำเหมืองแร่เรามักจะลบข้อมูลบางอย่างจากฐานข้อมูลตามลำดับ
เพื่อเป็นการประหยัดพื้นที่จัดเก็บหรือเพราะ
ข้อมูลบางอย่างไม่น่าสนใจอื่นๆได้อีกต่อไปหรือจะกลายเป็น
ไม่ถูกต้อง การทำเหมืองแร่ข้อมูลในอี - คอมเมิร์ซสำหรับการขาย
การส่งเสริมการขายระบบคือใช้โมเดลสถิติ
หรือเทคนิคการทำเหมืองข้อมูลในด้านการตลาดและการขาย
การจัดการความสัมพันธ์กับลูกค้าบ่อย งาน
ที่ได้รับการดำเนินการแล้วในพื้นที่ของการทำเหมืองแร่ข้อมูลมี
ดังนี้ประมาณการแบ่ง ประเภท การคาดเดาและ
โปรไฟล์ได้ การปรับปรุงที่เพิ่มขึ้นของแบบต่อเนื่องเป็นลำดับรูปแบบ
การทำเหมืองแร่ในเหตุการณ์นี้[ 15 ][ 16 ]มีการจ่ายเงินให้ความสนใจน้อย
ในการศึกษาก่อนหน้า เมื่องานข้อมูล( data mining )
มีบริการเอาต์ซอร์สด้านไอทีเป็นเรื่องสำคัญที่จะต้องปกป้องต่อไปนี้:
สามองค์ประกอบที่ความเป็นส่วนตัวและระบบธุรกิจอัจฉริยะ( business intelligence
ลูกค้าสามารถเจาะลง
( i )ข้อมูลที่เป็นฐานข้อมูลของ
ทั้งหมดทำธุรกรรมได้.
( ii )ผลการทำเหมืองแร่ซึ่งเป็นชุด
รายการเป็นประจำและสนับสนุนของพวกเขาในบริบทของเรา.
( iii )คำขอการทำเหมืองแร่ซึ่งเป็นชุดของรายการของความสนใจ.
อยู่ในแผ่นกระดาษนี้เราตรวจสอบปัญหานี้และพัฒนาใหม่
อัลกอริธึมที่เรียกว่า ma_d เพื่อจัดการกับปัญหาที่
เมื่อข้อมูลบางอย่างจะถูกลบออกจากลำดับ
ฐานข้อมูลที่เกี่ยวกับการรักษารูปแบบแบบต่อเนื่องเป็นลำดับ
พบ อัลกอริธึมของเราจะใช้ข้อมูลที่ได้รับ
จากร้านค้าและกระบวนการการทำเหมืองแร่ก่อนที่ชุดของสัญลักษณ์
พบตามลำดับเป็นประจำในฐานข้อมูลเดิมสำหรับ
การทำเหมืองแร่เพิ่มเติม ในขณะเดียวกันก็ใช้วิธีการใหม่ในการ
สร้างชุดของผู้สมัครรับเลือกตั้งซึ่งการลดลง
ขนาดของชุดผู้สมัครรับเลือกตั้งในระดับหนึ่ง