An increasing number of efficient m

An increasing number of efficient methods have been proposed to mine frequent patterns from uncertain data obtained from real applications such as social networks and life-sciences. Since these data are constantly being updated, needs of the users are changed and they adjust a new minimum support threshold to find new and proper frequent patterns. Obviously, finding the new frequent patterns by running the algorithm from scratch is very costly especially when the database is very large. In this paper, an efficient tree called UDFP-tree is proposed for interactive mining from uncertain data. The proposed tree aims to construct the mining model separated from the mining process. The experimental results show that by using UDFP-tree, there is no need to reconstruct the mining model when user changes the minimum support threshold.

ผลลัพธ์ (ไทย) 1:

จำนวนวิธีที่มีประสิทธิภาพเพิ่มขึ้นได้รับการเสนอการเหมืองบ่อยแบบลายไม่แน่ใจข้อมูลที่ได้จากการใช้งานจริงเช่นเครือข่ายสังคมและวิทยาศาสตร์ชีวภาพ เนื่องจากข้อมูลเหล่านี้อย่างต่อเนื่องถูกปรับปรุง ความต้องการของผู้ใช้ที่มีการเปลี่ยนแปลง และจะปรับเกณฑ์ขั้นต่ำสนับสนุนใหม่เพื่อหารูปแบบบ่อยที่ใหม่ และเหมาะสม อย่างชัดเจน ค้นหารูปแบบใหม่บ่อย โดยใช้อัลกอริทึมจากรอยขีดข่วนได้ค่าใช้จ่ายมากโดยเฉพาะเมื่อฐานข้อมูลมีขนาดใหญ่มาก ในกระดาษนี้ ต้นไม้มีประสิทธิภาพเรียกว่า UDFP-ทรีจะเสนอสำหรับการทำเหมืองแบบโต้ตอบจากข้อมูลที่ไม่แน่นอน แผนภูมิการนำเสนอมีวัตถุประสงค์เพื่อสร้างการจำลองการทำเหมืองที่แยกออกจากกระบวนการทำเหมืองแร่ ผลการทดลองแสดงว่า โดย UDFP ต้นไม้ มีไม่จำเป็นต้องสร้างแบบจำลองการทำเหมืองเมื่อผู้ใช้เปลี่ยนแปลงเกณฑ์การสนับสนุนน้อยที่สุด

ผลลัพธ์ (ไทย) 2:

การเพิ่มจำนวนของวิธีการที่มีประสิทธิภาพได้รับการเสนอรูปแบบที่พบบ่อยจากเหมืองข้อมูลที่มีความไม่แน่นอนที่ได้รับจากการใช้งานจริงเช่นเครือข่ายทางสังคมและวิทยาศาสตร์เพื่อชีวิต เนื่องจากข้อมูลเหล่านี้มีการปรับปรุงอย่างต่อเนื่องตอบสนองความต้องการของผู้ใช้ที่มีการเปลี่ยนแปลงและพวกเขาปรับเกณฑ์การสนับสนุนขั้นต่ำใหม่เพื่อหารูปแบบใหม่ที่พบบ่อยและเหมาะสม เห็นได้ชัดว่าการหารูปแบบใหม่ที่พบบ่อยโดยการเรียกใช้อัลกอริทึมจากรอยขีดข่วนเป็นค่าใช้จ่ายมากโดยเฉพาะอย่างยิ่งเมื่อฐานข้อมูลมีขนาดใหญ่มาก ในบทความนี้ต้นไม้ที่มีประสิทธิภาพเรียกว่า UDFP ต้นไม้จะเสนอสำหรับการทำเหมืองโต้ตอบจากข้อมูลที่มีความไม่แน่นอน ต้นไม้ที่นำเสนอมีจุดมุ่งหมายที่จะสร้างรูปแบบการทำเหมืองแร่แยกออกมาจากขั้นตอนการทำเหมืองแร่ ผลการทดลองแสดงให้เห็นว่าโดยใช้ UDFP ต้นไม้ไม่มีความจำเป็นที่จะสร้างรูปแบบการทำเหมืองแร่เมื่อผู้ใช้มีการเปลี่ยนแปลงเกณฑ์การสนับสนุนขั้นต่ำ

ผลลัพธ์ (ไทย) 3:

การเพิ่มจำนวนของวิธีที่มีประสิทธิภาพได้รับการเสนอให้ผมบ่อย ๆ รูปแบบจากข้อมูลที่ได้จากการใช้งานจริงที่ไม่แน่นอน เช่น เครือข่ายทางสังคมและวิทยาศาสตร์ชีวิต เนื่องจากข้อมูลเหล่านี้มีการปรับปรุงอย่างต่อเนื่อง ความต้องการของผู้ใช้มีการเปลี่ยนแปลงและพวกเขาปรับเกณฑ์รองรับขั้นต่ำใหม่ หาใหม่ และที่เหมาะสมรูปแบบบ่อย เห็นได้ชัดว่า การหารูปแบบใหม่บ่อย ๆ โดยใช้อัลกอริทึมจากรอยขีดข่วนเป็นบทเรียนราคาแพงมากโดยเฉพาะอย่างยิ่งเมื่อฐานข้อมูลมีขนาดใหญ่มาก ในกระดาษนี้ , ที่มีประสิทธิภาพที่เรียกว่าต้นไม้ต้นไม้ udfp เสนอแบบเหมืองแร่ จากข้อมูลที่ไม่แน่นอน การนำเสนอต้นไม้มีวัตถุประสงค์เพื่อสร้างเหมืองแบบแยกจากกระบวนการทำเหมือง . ผลการทดลองแสดงให้เห็นว่า โดยใช้ udfp ต้นไม้ ไม่จำเป็นต้องสร้างเหมืองแร่รูปแบบเมื่อผู้ใช้เปลี่ยนแปลงเกณฑ์สนับสนุนขั้นต่ำ