원문정보
피인용수 : 0건 (자료제공 : 네이버학술정보)
초록
한국어
1990년대 초반 데이터마이닝 방법론이 등장한 이후 현재까지 정확성과 신속성을 향상시키기 위한 기법들이 꾸준히 연구되고 있다. 본 연구에서는 데이터마이닝 방법론 중 하나인 연관규칙 마이닝 과정에서 작업 수행 시간을 최소화하기 위하여 그래프 구조를 사용하였다. 본 연구에서 제시한 알고리즘의 특징은 다음과 같다. 첫째, 데이터베이스 스캐닝을 하여 연관규칙을 찾는데 필요한 모든 정보를 그래프에 저장하였다. 둘째, 트랜잭션 그룹핑을 통해 동일한 레코드 값에 대한 접근 횟수를 최소화하였다. 셋째, 동일한 데이터에서 파라메터의 값만 변경하여 새로 연관규칙을 찾으려 하는 경우, 기 생성된 그래프의 데이터를 재사용함으로써 연관규칙을 찾는 시간을 최소화하였다. 넷째, 빈발항목집합을 찾는 과정에서 후보항목집합의 생성을 배제하였다. 마지막으로, 알고리즘의 성능을 측정하기 위하여 전통적인 연관규칙분석 방법인 Apriori Algorithm과 메모리 기반의 데이터 클러스터링 방법을 사용한 Cluster-based Association Rule Algorithm을 구현하여 비교한 결과, 본 연구에서 제시한 알고리즘이 기존 연구보다 효율성이 높게 나타남을 확인하였다.
목차
Abstract
Introduction
Transaction Grouping
Graph Structure
Smart Algorithm
Experimental Results
첫 번째 실험 그룹의 알고리즘 테스트 결과
두 번째 실험 그룹의 알고리즘 테스트 결과
Apriori, CBAR, Smart Algorithm 비교
Conclusions
References
Introduction
Transaction Grouping
Graph Structure
Smart Algorithm
Experimental Results
첫 번째 실험 그룹의 알고리즘 테스트 결과
두 번째 실험 그룹의 알고리즘 테스트 결과
Apriori, CBAR, Smart Algorithm 비교
Conclusions
References
저자정보
참고문헌
자료제공 : 네이버학술정보