DOI QR코드

DOI QR Code

An associative service mining based on dynamic weight

동적 가중치 기반의 연관 서비스 탐사 기법

  • Received : 2016.08.20
  • Accepted : 2016.10.20
  • Published : 2016.10.31

Abstract

In order to provide useful services for user in ubiquitous environment, a technique that can get the helpful information considering user activity and preference is needed and also user's interest actually changes as time passes. Therefore, the discovering method which reflects the concern degree of service information is needed. In this paper, we present the finding method of frequent pattern with dynamic weight on individual item based on service ontology we design. Our method can be applied to provide interested service information for user depending on context.

유비쿼터스 환경에서 사용자에게 유용한 서비스를 제공하기 위해서는 시간과 공간을 기반으로 사용자의 행동과 선호 패턴을 고려하여 가장 적합한 데이터를 처리할 수 있는 방법이 필요하다. 실세계에서 사용자의 관심은 시간이 지남에 따라 변화할 수 있다. 그러므로 서비스 관심도의 변화를 중요도에 반영하여 정보를 추출할 수 있는 방법이 필요하다. 이 논문에서는 사용자에게 필요한 서비스 정보를 온톨로지로 설계하고 시간에 따라 동적으로 변화하는 사용자의 서비스 이용 패턴이나 데이터의 중요도를 동적 가중치로 표현하여 빈발 패턴을 찾는 방법을 제안한다. 이 논문에서 제안하는 동적 가중치를 고려하는 빈발 서비스 패턴 마이닝 기법은 시간의 변화에 따라 필요로 하는 사용자의 관심을 서비스의 중요도로 반영하므로 실시간의 최적화된 서비스 제공이 가능하다.

Keywords

References

  1. J. Hipp, U. Guntzer, C. Nakhaeizadeh, "Algorithms for Association Rule Mining - A General Survey and Comparison," SIGKDD Exploration, 2(1), pp.58-64, 2000 https://doi.org/10.1145/360402.360421
  2. Agrawal, T. Imielinski and A. Swami, "Mining Association Rules Between Sets of Items in Large Database," Proc. of The 12th ACM SIGMOD Int. Conf. on Management of Data, 1993
  3. U. Yun, "Efficient Mining of Weighted Interesting Patterns with a Strong Weight and/or Support Affinity," Information Sciences, Vol. 177, pp.3477-3499, 2007 https://doi.org/10.1016/j.ins.2007.03.018
  4. C. F. Ahmed, S. K. Tanbeer, B. S. Jeong, Y. K Lee, "Mining Weighted Frequent Patterns in Incremental Databases," Proc. of the Pacific Rim, Int. Conf. on Artificial Intelligence, 2008
  5. F. Tao, "Weighted Association Rule Mining using Weighted Support and Significant Framework," Proc. of the ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining, 2003
  6. W. Wang, J. Yang, P. S. Yu, "WAR:Weighted Association Rules for Item Intensities," Knowledge Information and Systems, 2004
  7. U. Yun, J. J. Leggett, "WFIM: Weighted Frequent Itemset Mining with a Weight Range and a Minimum Weight," Proc. of the Fourth SIAM Int. Conf. on Data Mining, 2005
  8. S. Lo, "Binary Prediction based on Weighted Sequential Mining Method," Proc. of the Int'l Conf. on Web Intelligence, pp.755-761, 2005
  9. U. Yun, " A New Framework for Detecting Weighted Sequential Patterns in Large Sequential Databases," Knowledge-Based Systems, 2008
  10. U. Yun, "WIS: Weighted interesting sequential pattern mining with a similar level of support and/or weight", ETRI journal 2007, vol. 29, no.3, pp. 336-352, 2007 https://doi.org/10.4218/etrij.07.0106.0067
  11. B. S. Jeong, A. Farhan: Efficient Dynamic Weighted Frequent Pattern Mining by using a Prefix-tree. The KIPS Transactions, Vol.17, 2010