We presented two new algorithms, Ap

We presented two new algorithms, Apriori and AprioriTid, for discovering all signicant association
rules between items in a large database of transactions. We compared these algorithms to
the previously known algorithms, the AIS [AIS93b] and SETM [HS93] algorithms. We presented
experimental results, using both synthetic and real-life data, showing that the proposed algorithms
always outperform AIS and SETM. The performance gap increased with the problem size, and
ranged from a factor of three for small problems to more than an order of magnitude for large
problems.

ผลลัพธ์ (ไทย) 1:

เรานำเสนออัลกอริทึมใหม่สอง Apriori และ AprioriTid สำหรับการค้นหาทั้งหมด signi ต้อนสมาคมกฎต่าง ๆ ในฐานข้อมูลขนาดใหญ่ของธุรกรรม เราเปรียบเทียบอัลกอริทึมเหล่านี้ไปอัลกอริทึมที่รู้จักก่อนหน้านี้ เอไอเอส [AIS93b] และ SETM [HS93] อัลกอริทึมการ เรานำเสนอผลการทดลอง ใช้ข้อมูลสังเคราะห์ และ ชีวิตจริง แสดงที่อัลกอริทึมนำเสนอจะ outperform เอไอเอสและ SETM ช่องว่างของประสิทธิภาพการทำงานเพิ่มขึ้นกับขนาดของปัญหา และอยู่ในช่วงจากตัวสามปัญหาเล็กไปกว่าขนาดของใบสั่งสำหรับขนาดใหญ่ปัญหา

ผลลัพธ์ (ไทย) 2:

เรานำเสนอสองขั้นตอนวิธีใหม่ Apriori และ AprioriTid
สำหรับการค้นพบความสัมพันธ์ลาดเทนัยสำคัญทุกกฎระหว่างรายการในฐานข้อมูลขนาดใหญ่ของการทำธุรกรรม เราเมื่อเทียบกับขั้นตอนวิธีการเหล่านี้ไปยังขั้นตอนวิธีการที่รู้จักกันก่อนหน้านี้เอไอเอส [AIS93b] และ SETM [HS93] อัลกอริทึม เรานำเสนอผลการทดลองโดยใช้ข้อมูลทั้งสังเคราะห์และในชีวิตจริงแสดงให้เห็นว่าขั้นตอนวิธีการที่นำเสนอมักจะมีประสิทธิภาพสูงกว่าเอไอเอสและSETM ช่องว่างประสิทธิภาพการทำงานที่เพิ่มขึ้นมีขนาดปัญหาและตั้งแต่เป็นปัจจัยที่สามสำหรับปัญหาเล็ก ๆ ให้มากขึ้นกว่าลำดับความสำคัญขนาดใหญ่ปัญหา

ผลลัพธ์ (ไทย) 3:

เรานำเสนอสองขั้นตอนวิธีการใหม่ และแบบ aprioritid เพื่อค้นพบทุกสมาคม
ลาดเท  signi กฎระหว่างรายการในฐานข้อมูลขนาดใหญ่ของการทำธุรกรรม เราเปรียบเทียบขั้นตอนวิธีเหล่านี้

ก่อนหน้านี้รู้จักขั้นตอนวิธี เอไอเอส ais93b ] และ [ [ setm hs93 ] อัลกอริทึม เรานำเสนอ
ผลการทดลองใช้ทั้งสังเคราะห์และข้อมูลในชีวิตจริง แสดงว่าอัลกอริทึมใหม่
มักจะมีประสิทธิภาพสูงกว่าเอไอเอส และ setm . ช่องว่างสมรรถนะเพิ่มขึ้นตามขนาดของปัญหาและ
ระหว่างปัจจัยที่สามสำหรับปัญหาขนาดเล็กมากกว่าคำสั่งของขนาดของปัญหาใหญ่