Techniek van de gegevensmijnbouw en Toepassingen

De mijnbouw van hoge gebruiksartikelen uit een transactiedatabase verwijst naar de ontdekking van artikelen met een hoge gebruikswaarde zoals winst. Hoewel er de laatste jaren een aantal relevante algoritmen zijn voorgesteld, hebben deze het probleem om een groot aantal kandidaat-itemsets voor hoge utiliteitsitysets te produceren. Een dergelijk groot aantal kandidaat-itemsets verlaagt de mijnprestatie in termen van uitvoeringstijd en benodigde ruimte. De situatie kan verergeren wanneer de database veel lange transacties of lange itemreeksen met een hoog nutsbedrag bevat.In dit boek stellen we een verbeterd mijnbouwalgoritme voor (Utility Pattern Growth plus) voor het ontginnen van hoge nutsitemsets met een set effectieve strategieën voor het snoeien van kandidaat-itemsets. De informatie van high utility itemsets wordt bijgehouden in een boomstructuur met de naam UP-Tree (Utility Pattern Tree), zodat kandidaat-itemsets efficiënt kunnen worden gegenereerd met slechts twee scans van de database. De prestaties van UP-Growth en UP Growth+ worden vergeleken met de state-of-the-art algoritmes op vele soorten van zowel echte als synthetische datasets.