A new method for mining Frequent Weighted Itemsets based on WIT-trees

Abstract

Abstract:The mining frequent itemsets plays an important role in the mining of association rules. Frequent itemsets are typically mined from binary databases where each item in a transaction may have a different significance. Mining Frequent Weighed Itemsets (FWI) from weighted items transaction databases addresses this issue. This paper therefore proposes algorithms for the fast mining of FWI from weighted item transaction databases. Firstly, an algorithm for directly mining FWI using WIT-trees is presented. After that, some theorems are developed concerning the fast mining of FWI.Based on these theorems, an advanced algorithm for mining FWI is proposed. Finally, a Diffset strategy for the efficient computation of the weighted support for itemsets is described, and an algorithm for mining FWI using Diffsets presented. A complete evaluation of the proposed algorithms is also presented.

Khai Thác Tập Phổ Biến Có Trọng Số Dựa Trên Cấu Trúc N-List

“…Tuy nhiên, thuật toán do Tao và đồng sự đề xuất dựa vào việc sinh ứng viên theo kiểu Apriori nên cần đọc CSDL nhiều lần, dẫn đến tốn thời gian xử lý. Sau đó, Võ và các đồng sự [14] đề xuất cách thức lưu trữ trọng số trên cây WIT, một mở rộng của cây IT. Do chỉ phải đọc CSDL một lần, cùng với áp dụng chiến lược Diffset để khai thác FWI trên cây WIT, nên phương pháp này tỏ ra hiệu quả hơn phương pháp theo hướng tiếp cận Apriori trước đó.…”

“…CSDL trọng số (Weighted Database -WD) là loại CSDL có nhiều trong các ứng dụng thực tế và trong các hệ thống thông minh. Khai thác tập phổ biến có trọng số (Frequent Weighted Itemsets -FWI) trên WD đã được quan tâm từ rất sớm [11,12] và được quan tâm nhiều trong thời gian gần đây [13,14,15]. Trong đó [14] đề xuất cây WIT (Weighted Itemset Tid-set tree) là một mở rộng của cây IT theo tiếp cận Eclat, nhưng phương pháp này khá tốn thời gian do bộ nhớ sử dụng chưa được tối ưu.…”

“…Khai thác tập phổ biến có trọng số (Frequent Weighted Itemsets -FWI) trên WD đã được quan tâm từ rất sớm [11,12] và được quan tâm nhiều trong thời gian gần đây [13,14,15]. Trong đó [14] đề xuất cây WIT (Weighted Itemset Tid-set tree) là một mở rộng của cây IT theo tiếp cận Eclat, nhưng phương pháp này khá tốn thời gian do bộ nhớ sử dụng chưa được tối ưu. Một cải tiến gần đây là cấu trúc IWS (Interval word segment) được đề xuất bởi [15], đây là tiếp cận theo hướng Bit-vector bằng việc cắt bỏ các đoạn byte 0 liên tiếp trong biểu diễn Tid-set của các itemset trên Bit-vector được biểu diễn dưới dạng các word (2 byte).…”

Exploiting the Formation of Maximal Cliques in Social Networks

“…Theoretically, many interesting notions and mining methods have been proposed in formal concept analysis, such as frequent itemsets, closed frequent itemsets, maximal frequent itemsets, expressive generalized itemsets, and disjunctive closed itemsets [11][12][13][14]. A priori-inspired algorithms and frequent pattern-growth-inspired algorithms [15][16][17][18][19][20][21][22] have been provided to fast mine many kinds of itemsets. In [23], Pei et al proposed a method based on a topology for attributes of a formal context to generate the formal concept lattice, and the topology for attributes was induced by a reflexive and transitive relation on the set of attributes; by defining an equivalent relation on the topology for attributes, it has been proved that the formal concept lattice and the quotient topology for attributes decided by the equivalent relation is isomorphic.…”

F-PNWAR: Fuzzy-based Positive and Negative Weighted Association Rule Mining Algorithm

“…Vo et al [16] developed new algorithms for efficient mining of the Frequent Weighted Itemsets (FWI) from the transaction databases. The proposed algorithm achieved a significant reduction in the mining time than the Apriori-based algorithms.…”