The main purpose of the proposed al

The main purpose of the proposed algorithm is to efficiently mine erasable patterns considering the weight factor over data stream environments based on the sliding window model. As shown in the results of the performance evaluation section, the efficient data structures and mining and pruning techniques proposed in this paper guaranteed outstanding performance. Meanwhile, let us consider more extreme mining environments such as when very large window and pane sizes are assigned, when the size of transaction data is very large, and when mining requests occur very frequently. In such conditions, it may be difficult to provide real-time mining results to users because of computational overheads. However, such problems can be solved through techniques for real-time stream distributed processing. Since the concept of Big Data emerged because of technological advances in the areas of networks, storage, etc., various works for dealing with Big Data have been studied, and real-time stream processing frameworks such as Apache Storm1 have also been developed. Recall that our mining procedure can independently be processed by a divide-and-conquer manner because the pattern expansion works can be performed independently for each item of the header table of the proposed tree structure. Hence, distributed processing techniques like MapReduce can effectively be applied into the implementation of the proposed algorithm. In addition, the proposed architecture and sliding window techniques can also be applied into the stream processing framework because they were designed to be suitable for stream pattern mining. In a future work, we are scheduled to conduct research for applying the techniques and architecture of our algorithm to popular distributed stream processing frameworks.

ผลลัพธ์ (ไทย) 1:

จุดประสงค์หลักของอัลกอริทึมที่นำเสนอมีประสิทธิภาพเหมืองรูปแบบลบได้พิจารณาปัจจัยน้ำหนักผ่านสภาพแวดล้อมของสตรีมข้อมูลที่อิงรูปแบบหน้าต่างบานเลื่อน ตามที่แสดงในผลลัพธ์ของส่วนประเมินผลประสิทธิภาพการทำงาน โครงสร้างข้อมูลที่มีประสิทธิภาพ และการทำเหมืองแร่ และเทคนิคการตัดเสนอในเอกสารนี้รับประกันประสิทธิภาพที่โดดเด่น ในขณะเดียวกัน ขอให้เราพิจารณาสภาพแวดล้อมเหมืองแร่มากเช่นเมื่อมีการกำหนดให้หน้าต่างและบานหน้าต่างขนาดใหญ่มาก เมื่อขนาดของธุรกรรมข้อมูลมีขนาดใหญ่มาก และเมื่อคำขอทำเหมืองเกิดขึ้นบ่อยครั้งมาก ในสภาวะ มันอาจยากที่จะให้ผลการทำเหมืองแบบเรียลไทม์กับผู้ใช้เนื่องจากคำนวณโสหุ้ย อย่างไรก็ตาม สามารถแก้ไขปัญหาดังกล่าวผ่านเทคนิคสำหรับการประมวลผลแบบกระจายการสตรีมแบบเรียลไทม์ ตั้งแต่แนวคิดของข้อมูลขนาดใหญ่ออกมาเนื่องจากความก้าวหน้าทางเทคโนโลยีด้านเครือข่าย จัดเก็บ ฯลฯ งานต่าง ๆ ในการจัดการกับข้อมูลขนาดใหญ่ได้รับการศึกษา และกรอบโครงสร้างการประมวลผลสตรีมแบบเรียลไทม์เช่น Apache Storm1 ที่ยังได้รับการพัฒนา เรียกว่า ขั้นตอนการทำเหมืองแร่ของเราสามารถถูกประมวลผล โดยลักษณะ และพิชิตหารเนื่องจากรูปแบบขยายงานสามารถดำเนินการอย่างอิสระสำหรับแต่ละรายการของตารางส่วนหัวของโครงสร้างแผนภูมินำเสนออย่างอิสระ ดังนั้น แจกเทคนิคการประมวลผลเช่น MapReduce สามารถใช้ได้อย่างมีประสิทธิภาพในการใช้งานของอัลกอริทึมที่นำเสนอ นำเสนอสถาปัตยกรรมและเทคนิคหน้าต่างบานเลื่อนสามารถใช้เป็นกรอบการทำงานในการประมวลผลสตรีมเนื่องจากพวกเขาถูกออกแบบมาให้เหมาะสำหรับการทำเหมืองแร่รูปแบบกระแสข้อมูล ในทำงานในอนาคต เรามีกำหนดจะดำเนินการวิจัยสำหรับการใช้เทคนิคและสถาปัตยกรรมของอัลกอริทึมของเรากระจายกระแสนิยมที่ประมวลผลกรอบ

ผลลัพธ์ (ไทย) 2:

วัตถุประสงค์หลักของอัลกอริทึมที่นำเสนอรูปแบบคือการลบข้อมูลได้อย่างมีประสิทธิภาพเหมืองพิจารณาปัจจัยน้ำหนักสภาพแวดล้อมของกระแสข้อมูลตามแบบหน้าต่างบานเลื่อน ตามที่ปรากฏในผลการค้นหาของส่วนการประเมินผลการปฏิบัติงานที่มีประสิทธิภาพโครงสร้างข้อมูลและเทคนิคการทำเหมืองแร่และการตัดแต่งกิ่งที่นำเสนอในบทความนี้รับประกันประสิทธิภาพที่โดดเด่น ในขณะเดียวกันให้เราพิจารณาสภาพแวดล้อมการทำเหมืองแร่ที่รุนแรงมากขึ้นเช่นเมื่อหน้าต่างและบานหน้าต่างขนาดใหญ่มากขนาดที่ได้รับมอบหมายเมื่อขนาดของข้อมูลการทำธุรกรรมที่มีขนาดใหญ่มากและเมื่อมีการร้องขอการทำเหมืองแร่ที่เกิดขึ้นบ่อยมาก ในเงื่อนไขดังกล่าวก็อาจจะเป็นเรื่องยากที่จะให้ผลการทำเหมืองแร่ในเวลาจริงกับผู้ใช้เพราะค่าใช้จ่ายในการคำนวณ อย่างไรก็ตามปัญหาดังกล่าวสามารถแก้ไขได้โดยใช้เทคนิคสำหรับกระแสการกระจายการประมวลผลแบบ real-time ตั้งแต่แนวคิดของข้อมูลขนาดใหญ่โผล่ออกมาเพราะความก้าวหน้าทางเทคโนโลยีในพื้นที่ของเครือข่ายการจัดเก็บข้อมูล ฯลฯ ผลงานต่าง ๆ ในการจัดการกับข้อมูลขนาดใหญ่ได้รับการศึกษาและแบบ real-time กรอบการประมวลผลสตรีมเช่น Apache Storm1 ยังได้รับการพัฒนา จำได้ว่าขั้นตอนการทำเหมืองแร่ของเราสามารถเป็นอิสระได้รับการประมวลผลโดยลักษณะการแบ่งและพิชิตเพราะผลงานการขยายรูปแบบสามารถดำเนินการได้อย่างอิสระสำหรับรายการของตารางส่วนหัวของโครงสร้างที่นำเสนอในแต่ละ ดังนั้นการกระจายเทคนิคการประมวลผลเช่น MapReduce ได้อย่างมีประสิทธิภาพสามารถนำมาประยุกต์ใช้เข้ามาในการดำเนินการตามขั้นตอนวิธีการที่นำเสนอ นอกจากนี้ยังมีสถาปัตยกรรมที่เสนอและเทคนิคการเลื่อนหน้าต่างนอกจากนี้ยังสามารถนำไปใช้ในกรอบการประมวลผลสตรีมเพราะพวกเขาได้รับการออกแบบให้มีความเหมาะสมสำหรับการทำเหมืองรูปแบบสตรีม ในการทำงานในอนาคตเรามีกำหนดที่จะดำเนินการวิจัยสำหรับการใช้เทคนิคและสถาปัตยกรรมของอัลกอริทึมของเราที่จะได้รับความนิยมกรอบการประมวลผลแบบกระจายกระแส

ผลลัพธ์ (ไทย) 3:

วัตถุประสงค์หลักของวิธีที่เสนอมีประสิทธิภาพของฉันรูปแบบลบออกพิจารณาน้ำหนักของปัจจัยมากกว่า กระแสข้อมูลสภาพแวดล้อมตามหน้าต่างบานเลื่อนรุ่น แสดงผลของการประเมินผลการปฏิบัติงาน ส่วนประสิทธิภาพโครงสร้างข้อมูลและเหมืองแร่และการตัดแต่งกิ่ง เทคนิคที่นำเสนอในบทความนี้ รับประกัน ประสิทธิภาพที่โดดเด่น ในขณะเดียวกัน ให้เราพิจารณาสภาพแวดล้อมที่รุนแรงมากขึ้น เช่น เหมืองแร่ เมื่อหน้าต่างบานหน้าต่างขนาดใหญ่มากและได้รับมอบหมาย เมื่อขนาดของธุรกรรมข้อมูลมีขนาดใหญ่มาก และเมื่อมีการร้องขอเหมืองแร่ขึ้นบ่อยมาก ในเงื่อนไขดังกล่าว มันอาจจะยากที่จะให้ผลลัพธ์ที่เหมืองแร่แบบเรียลไทม์กับผู้ใช้เพราะโสหุ้ยในการคำนวณ อย่างไรก็ตามปัญหาดังกล่าวสามารถแก้ไขได้ด้วยเทคนิคสตรีมเรียลไทม์การกระจายการประมวลผล ตั้งแต่แนวคิดของข้อมูลใหญ่โผล่ออกมา เพราะความก้าวหน้าทางเทคโนโลยีในด้านเครือข่าย , จัดเก็บ , ฯลฯ งานต่าง ๆเพื่อจัดการกับฐานข้อมูลขนาดใหญ่ได้ถูกศึกษา และเรียลไทม์กระแสการประมวลผลต่างๆเช่น Apache storm1 ยังได้รับการพัฒนา จำได้ว่าขั้นตอนการเหมืองแร่ของเราเป็นอิสระสามารถประมวลผลโดยการแบ่งและพิชิตลักษณะเนื่องจากรูปแบบการขยายงานที่สามารถดำเนินการได้โดยอิสระสำหรับแต่ละรายการของหัวตารางของการเสนอโครงสร้างต้นไม้ . ดังนั้น การกระจายการประมวลผลเทคนิคเช่น mapreduce ได้อย่างมีประสิทธิภาพสามารถใช้ในการนำเสนอขั้นตอนวิธี นอกจากนี้ การนำเสนอและเทคนิคสถาปัตยกรรมเลื่อนหน้าต่าง นอกจากนี้ยังสามารถใช้เป็นสายการประมวลผลกรอบเพราะพวกเขาถูกออกแบบมาให้เหมาะสำหรับทำเหมืองแบบกระแสข้อมูล ในการทำงานในอนาคต เราจะต้องทำการวิจัยเพื่อการประยุกต์ใช้เทคนิคและออกแบบขั้นตอนวิธีของเรากระจายกระแสนิยมของกรอบ .