Abstrakt

TP-Mine: Ein Ansatz zur Bestimmung der Übergangsmuster und ihrer bedeutenden Meilensteine

Radhika Katkum, Harish Kalla, Arun Roy Vadde, Rama Krishna T

Eine Transaktionsdatenbank besteht normalerweise aus einer Reihe von Transaktionen mit Zeitstempeln. Das Mining häufiger Muster in Transaktionsdatenbanken wurde in der Data-Mining-Forschung ausführlich untersucht. Die meisten der bestehenden Algorithmen zum Mining häufiger Muster berücksichtigen jedoch nicht die mit den Transaktionen verbundenen Zeitstempel. Wir haben das bestehende Framework zum Mining häufiger Muster erweitert, um den Zeitstempel jeder Transaktion zu berücksichtigen und Muster zu entdecken, deren Häufigkeit sich im Laufe der Zeit dramatisch ändert. Wir definieren einen neuen Mustertyp, sogenannte Übergangsmuster, um das dynamische Verhalten häufiger Muster in einer Transaktionsdatenbank zu erfassen. Übergangsmuster umfassen sowohl positive als auch negative Übergangsmuster. Ihre Häufigkeit nimmt zu bestimmten Zeitpunkten einer Transaktionsdatenbank dramatisch zu oder ab. Wir haben das Konzept signifikanter Meilensteine ??für ein Übergangsmuster eingeführt, d. h. Zeitpunkte, an denen sich die Häufigkeit des Musters am deutlichsten ändert. Darüber hinaus haben wir einen Algorithmus entwickelt, um den Satz von Übergangsmustern zusammen mit ihren signifikanten Meilensteinen aus der Transaktionsdatenbank zu minen.