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:
A Many-Objective Evolutionary Algorithm with Reference Point-Based and Vector Angle-Based Selection Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Updating the Discovered High Average-Utility Patterns with Transaction Insertion

verfasst von : Tsu-Yang Wu, Jerry Chun-Wei Lin, Yinan Shao, Philippe Fournier-Viger, Tzung-Pei Hong

Erschienen in: Genetic and Evolutionary Computing

Verlag: Springer Singapore

Einloggen

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

search-config
loading …

Abstract

In this paper, we propose an algorithm to handle the transaction insertion for efficiently updating the discovered high average-utility upper-bound itemsets (HAUUBIs) based on the average-utility (AU)-list structure and the Fast UPdated (FUP) concept. The proposed algorithm divides the HAUUBIs existing in the original database and new transactions into four cases, and each case can be respectively maintained to identify the actual high average-utility itemsets (HAUIs) without multiple database scans and enormous candidate generation. Experiments showed that the proposed algorithm has better performance compared to state-of-the-art algorithm in terms of runtime and generates the similar number of candidates.

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 An Hybrid Multi-Core/GPU-Based Mimetic Algorithm for Big Association Rule Mining
Nächstes Kapitel Applying Image Processing Technology to Region Area Estimation
Literatur
1.
Agrawal, R., Srikant, R.: Fast algorithms for mining association rules in large databases. In: International Conference on Very Large Data Bases, pp. 487–499 (1994)
2.
Ahmed, C.F., Tanbeer, S.K., Jeong, B.S., Lee, Y.K.: Efficient tree structures for high utility pattern mining in incremental databases. IEEE Trans. Knowl. Data Eng. 21(12), 1708–1721 (2009)CrossRef
3.
Cheung, D.W., Wong, C.Y., Han, J., Ng, V.T.: Maintenance of discovered association rules in large databases: an incremental updating techniques. In: The International Conference on Data Engineering, pp. 106–114 (1996)
4.
Erwin, A., Gopalan, R. P., Achuthan, N. R.: Efficient mining of high utility itemsets from large datasets. In: The Pacific-Asia Conference on Advances in Knowledge Discovery and Data Mining, pp. 554–561 (2008)
5.
Fournier-Viger, P., Lin, J.C.W., Gomariz, A., Gueniche, T., Soltani, A., Deng, Z., Lam, H.T.: The SPMF open-source data mining library version 2 and beyond. In: The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery, pp. 36–40 (2016)
6.
Han, J., Jian, P., Yin, Y., Mao, R.: Mining frequent patterns without candidate generation: a frequent-pattern tree approach. Data Mining Knowl. Discov. 8(1), 53–87 (2004)CrossRefMathSciNet
7.
Hong, T.P., Lee, C.H., Wang, S.L.: Effective utility mining with the measure of average utility. Expert Syst. Appl. 38(7), 8259–8265 (2011)CrossRef
8.
Liu, Y., Liao, W.K., Choudhary, A.: A fast high utility itemsets mining algorithm. In: International Workshop on Utility-Based Data Mining, pp. 90–99 (2005)
9.
Liu, Y., Liao, W.K., Choudhary, A.: A two-phase algorithm for fast discovery of high utility itemsets. In: The Pacific-Asia Conference on Advances in Knowledge Discovery and Data Mining, pp. 689–695 (2005)
10.
Lin, C.W., Hong, T.P., Lu, W.H.: An effective tree structure for mining high utility itemsets. Expert Syst. Appl. 38(6), 7419–7424 (2011)CrossRef
11.
Liu, M., Qu, J.: Mining high utility itemsets without candidate generation. In: ACM International Conference on Information and Knowledge Management, pp. 55–64 (2012)
12.
Lin, J.C.W., Li, T., Fournier-Viger, P., Hong, T.P., Zhan, J., Voznak, M.: An efficient algorithm to mine high average-utility itemsets. Adv. Eng. Inform. 30(2), 233–243 (2016)CrossRef
13.
Lin, J.C.W., Ren, S., Fournier-Viger, P., Hong, T.P., Su, J.H., Vo, B.: A fast algorithm for mining high average-utility itemsets. Appl. Intell. 41(2), 331–346 (2017)CrossRef
14.
Lin, J.C.W., Gan, W., Fournier-Viger, P., Chao, H.C.: FDHUP: fast algorithm for mining discriminative high utility patterns. Knowl. Inf. Syst. 51(3), 873–909 (2017)CrossRef
15.
Lin, J.C.W., Ren, S., Fournier-Viger, P., Hong, T.P.: EHAUPM: efficient high average-utility pattern mining with tighter upper-bounds. IEEE Access 5, 12927–12940 (2017)CrossRef
16.
Yao, H., Hamilton, H.J., Butz, C.J.: A foundational approach to mining itemset utilities from databases. In: SIAM International Conference on Data Mining, pp. 215–221 (2004)
Metadaten
Titel
Updating the Discovered High Average-Utility Patterns with Transaction Insertion
verfasst von
Tsu-Yang Wu
Jerry Chun-Wei Lin
Yinan Shao
Philippe Fournier-Viger
Tzung-Pei Hong
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Genetic and Evolutionary Computing

Print ISBN: 978-981-10-6486-9

Electronic ISBN: 978-981-10-6487-6

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-10-6487-6_9