수량적 연관규칙탐사를 위한 효율적인 고빈도항목열 생성기법

Generating Large Items Efficiently For Mining Quantitative Association Rules

본 논문은 기존의 수량적 연관규칙탐사를 위한 고빈도항목열 생성방법이 가지고 있는 문제점을 해결하는 효율적인 고빈도항목열 생성기법을 제안한다. 제안된 생성기법은 분할과정에서 최소분할지지율을 이용하여 분할간격을 유동적으로 결정하는 방법과 데이타의 집중도를 우선 순위로 하여 분할된 소간격을 병합하는 방법을 사용한다. 본 논문에서 제안한 방법은 기존의 방법보다 세밀한 고빈도항목열을 생성할 수 있는 것과 데이타들의 특성을 잃어버리지 않는 특징을 갖는다. 성능평가를 통하여 제안된 방법이 기존의 방법에 비해 보다 효율적인 고빈도항목열을 생성함을 보인다.

In this paper, we propose an efficient large item generation algorithm that overcomes the problem of the existing algorithm for making large items from quantitative attributes. The proposed algorithm splits dataset into variable size of intervals by min_split_support and merges the intervals according to the support of each interval. It reflects characteristic of data to generated large items and can generate finer large items than the existing algorithm. It is shown through the performance evaluation that our proposed algorithm outperforms the existing algorithm.