Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Stochastic DCA for Sparse Multiclass Logistic Regression Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

An Improved Algorithm for Mining Top-k Association Rules

verfasst von : Linh T. T. Nguyen, Loan T. T. Nguyen, Bay Vo

Erschienen in: Advanced Computational Methods for Knowledge Engineering

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper proposes an improved algorithm of TopKRules algorithm which was proposed by Philippe et al. in 2012 to mine top-k association rules (ARs). To impove the perfomance of TopKRules, we develop two propositions to reduce search space and runtime in the mining process. Experimental results on standard databases show that our algorithm need less time than TopKRules algorithm to generate usefull rules.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Plot-Creation Support System for Writing Novels
Nächstes Kapitel A Deep Architecture for Sentiment Analysis of News Articles
Literatur
1.
Agrawal, R., Imielminski, T., Swami, A.: Mining association rules between sets of items in large databases. In: Proceedings ACM International Conference on Management of Data, pp. 207–216. ACM Press (1993)
2.
Agrawal, R., Srikant, R.: Fast algorithms for mining association rules. In: Proceedings of the 20th International Conference on Very Large Data Bases, pp. 487–499 (1994)
3.
Deng, Z., Fang, G.: Mining top-rank-k frequent patterns. In: ICMLC 2007, pp. 851–856 (2007)
4.
Deng, Z.H.: Fast mining top-rank-k frequent patterns by using node-lists. Expert Syst. Appl. 41(4), 1763–1768 (2014)CrossRef
5.
Fang, G., Deng, Z.H.: VTK: vertical mining of top-rank-k frequent patterns. In: FSKD 2008, pp. 620–624 (2008)
6.
Fournier-Viger, P., Wu, C.-W., Tseng, V.S.: Mining top-k association rules. In: Proceedings of the 25th Canadian Conference on Artificial Intelligence (AI 2012). LNAI, vol. 7310, pp. 61–73. Springer, Heidelberg (2012)
7.
Han, J., Pei, H., Yin, Y.: Mining frequent patterns without candidate generation. Data Min. Knowl. Disc. 8(1), 53–87 (2004)CrossRef
8.
Huynh-Thi-Le, Q., Le, T., Vo, B., Le, B.: An efficient and effective algorithm for mining top-rank-k frequent patterns. Expert Syst. Appl. 42(1), 156–164 (2015)CrossRef
9.
Le, T., Vo, B.: An N-list-based algorithm for mining frequent closed patterns. Expert Syst. Appl. 42(19), 6648–6657 (2015)CrossRef
10.
Nguyen, L.T.T., Trinh, T., Nguyen, N.T., Vo, B.: A method for mining top-rank-k frequent closed itemsets. J. Intell. Fuzzy Syst. 32(2), 1297–1305 (2017)CrossRef
11.
Pasquier, N., Bastide, Y., Taouil, R., Lakhal, L.: Efficient mining of association rules using closed itemset lattices. Inf. Syst. 24(1), 25–46 (1999)CrossRefMATH
12.
Pietracaprina, A., Vandin, F.: Efficient incremental mining of top-k frequent closed itemsets. In: Tenth International Conference Discovery Science, pp. 275–280. Springer, Heidelberg (2004)
13.
Sahoo, J., Das, A.K., Goswami, A.: An effective association rule mining scheme using a new generic basis. Knowl. Inf. Syst. 43(1), 127–156 (2015)CrossRef
14.
Saif-Ur-Rehman, J., Ashraf, J., Habib, A., Salam, A.: Top-k miner: top-k identical frequent itemsets discovery without user support threshold. Knowl. Inf. Syst. 48(3), 741–762 (2016)CrossRef
15.
Tzvetkov, P., Yan, X., Han, J.: TSP: mining top-k closed sequential patterns. Knowl. Inf. Syst. 7(4), 438–457 (2005)CrossRef
16.
Vo, B., Hong, T.P., Le, B.: DBV-miner: a dynamic bit-vector approach for fast mining frequent closed itemsets. Expert Syst. Appl. 39(8), 7196–7206 (2012)CrossRef
17.
Vo, B., Hong, T.P., Le, B.: A lattice-based approach for mining most generalization association rules. Knowl.-Based Syst. 45, 20–30 (2013)CrossRef
18.
Vo, B., Le, B.: Mining traditional association rules using frequent itemsets lattice. In: International Conference on Computers and Industrial Engineering, pp. 1401–1406. IEEE Press (2009)
19.
Vo, B., Le, B.: Interestingness measures for association rules: combination between lattice and hash tables. Expert Syst. Appl. 38(9), 11630–11640 (2011)CrossRef
20.
21.
Webb, G.I.: Filtered top-k association discovery. WIREs Data Mining Knowl. Discov. 1(3), 183–192 (2011)CrossRef
22.
You, Y., Zhang, J., Yang, Z., Liu, G.: Mining top-k fault tolerant association rules by redundant pattern disambiguation in data streams. In: International Conference Intelligent Computing and Cognitive Informatics, pp. 470–473. IEEE Press (2010)
23.
Metadaten
Titel
An Improved Algorithm for Mining Top-k Association Rules
verfasst von
Linh T. T. Nguyen
Loan T. T. Nguyen
Bay Vo
Copyright-Jahr
2018
Buch
Advanced Computational Methods for Knowledge Engineering

Print ISBN: 978-3-319-61910-1

Electronic ISBN: 978-3-319-61911-8

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-61911-8_11

Premium Partner

    Bildnachweise