Determinación de las reglas de asociación de variables de tiempo ponderadas basadas en utilidades mediante la aplicación de un árbol de patrones frecuentes
Introducción: la presente investigación se realizó en el Birla Institute of Technology, fuera del campus en Noida, India, en 2017.
Métodos: para evaluar la eficacia del enfoque propuesto para la minería de información, se propusieron un método y un algoritmo para minar las reglas de asociación basadas en la utilidad ponderada en el tiempo usando un árbol de patrones frecuentes (fp).
Resultados: se sugiere un método para encontrar reglas de asociación en datos basados en la utilidad ponderada en frecuencia orientada al tiempo, que emplea una jerarquía para extraer conjuntos de elementos y establecer su asociación.
Conclusiones: las dimensiones adoptadas al desarrollar el enfoque comprimieron un gran conjunto de datos de variante de tiempo hasta alcanzar una estructura de datos más pequeña. A su vez, el árbol fp se mantuvo alejado del conjunto de datos repetitivos, lo que finalmente generó una ventaja considerable en tiempo y uso de memoria.
Originalidad: en la actualidad, la extracción de patrones recurrentes de alta utilidad es una de las áreas de estudio más desarrollada en la minería de información con respecto a la variable temporal debido a su capacidad de dar cuenta de la frecuencia de los conjuntos de elementos y las tasas de servicios varios de cada conjunto de elementos. Esta investigación contribuye a mantener el estudio sobre el tema a un buen nivel, lo que permite evitar generar una gran cantidad de conjuntos posibles, y por ende garantiza mayor desarrollo en menores tiempos de ejecución y espacios de búsqueda.
Limitaciones: Los resultados de la investigación demostraron que la aproximación fue eficiente en conjuntos de datos probados con cálculos predefinidos de peso y utilidad.
Cómo citar
Licencia
Derechos de autor 2018 Ingeniería solidaria
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Compromiso ético y cesión de derechos
El autor debe declarar que su trabajo es original e inédito y que no se ha postulado a evaluación simultánea para su publicación por otro medio. Además, debe asegurar que no tiene impedimentos de ninguna naturaleza para la concesión de los derechos previstos en el contrato.
El autor se compromete a esperar el resultado de evaluación de la revista Ingeniería Solidaria, antes de considerar su presentación a otro medio; en caso de que la respuesta de publicación sea positiva, adicionalmente, se compromete a responder por cualquier acción de reivindicación, plagio u otra clase de reclamación que al respecto pudiera sobrevenir por parte de terceros.
Asimismo, debe declarar que, como autor o coautor, está de acuerdo por completo con los contenidos presentados en el trabajo y ceder todos los derechos patrimoniales, es decir, su reproducción, comunicación pública, distribución, divulgación, transformación, puesta a disposición y demás formas de utilización de la obra por cualquier medio o procedimiento, por el término de su protección legal y en todos los países del mundo, al Fondo Editorial de la Universidad Cooperativa de Colombia, de manera gratuita y sin contraprestación presente o futura.
Ivancsy, R. and Vajk, I., 2005. Fast discovery of frequent itemsets: a cubic structure-based approach, Informatica, Vol. 29, pp. 71–78.
doi:https://10.1.1.60.8890&rep=rep1&type=pdf
Agrawal, R., Imielinski, T. and Swami, A., 1993. Mining association rules between sets of items in large databases, In: Proceedings of the ACM sigmod international conference on management of data, Washington, D.C, pp. 207-216. doi:https://doi.org/10.1145/170036.170072
Agrawal, R. and Srikant, R., 1994. Fast algorithms for mining association rules, In: Proceedings of the 20th international conference on very large databases, Santiago, Chile, pp. 487-499. doi:http://doi.org/10.1.1.219.6784
Wang, W. Yang, J. And Philip, S. Yu., 2000. Efficient mining of weighted association rules, In: Proceeding of the seventh ACM SIGKDD international conference on knowledge discovery and data mining, San Francisco, CA, USA. doi:https://doi.org/10.1145/312129.312191
Nazar, N. B. and Senthilkumar, R., 2017. An online approach for feature selection for classification in big data, Turkish Journal of Electrical Engineering & Computer Sciences, Vol. 25, pp. 163–171. doi:https://doi.org/10.3906/elk-1501-98
Pillai, J., Soni, S., Vyas, O.P. and Muyeba, M., 2010. A conceptual approach to temporal weighted itemset utility mining, International Journal of Computer Applications, Vol. 28, pp. 0887-0895. doi:https://doi.org/10.5120/510-827
Kim, Yh., Kim, Wy. and Kim, Um., 2010. Mining frequent itemsets with normalized weight in continuous data streams, Journal of Information Processing Systems, Vol. 6, pp. 79-90. doi:https://doi.org/10.3745/JIPS.2010.6.1.079
Christian, B., 2005. An implementation of the fp-growth algorithm, In: Proceedings of the 1st international workshop on open source data mining: frequent pattern mining implementations, Chicago, Illinois, pp. 1-5. doi:https://doi.org/10.1145/1133905.1133907
Gatuha, G. and Jiang, T., 2017. Smart frequent itemsets mining algorithm based on fp-tree and diffset data structures, Turkish Journal of Electrical Engineering & Computer Sciences, Vol. 25, pp. 2096-2107. doi:http://doi.org/10.3906/elk-1602-113
Tseng, V.S., Shie, B.E., Wu, C. W. and Yu, P. S., 2013. Efficient algorithms for mining high utility itemsets from transactional databases, IEEE TKDE, Vol. 25, pp. 1772–1786. doi:http://doi.org/10.1109/TKDE.2012.59
Goyal, V. and Sureka, A., 2015. Efficient skyline itemsets mining, In: Proceedings of the eighth international C3S2E conference on computer science & software engineering, Japan. doi:https://doi.org/10.1145/2790798.2790816
Cankurt, S. and Subasi, A., 2016. Tourism demand modelling and forecasting using data mining techniques in multivariate time series: a case study in turkey, Turkish Journal of Electrical Engineering & Computer Sciences, Vol. 24, pp. 3388-3404. doi:http://doi.org/10.3906/elk-1311-134
Hu, J. and Mojsilovic, A., 2007. High utility pattern mining: a method for discovery of high utility item sets, Pattern Recognition, Vol. 40, pp. 3317-3324. doi:https://doi.org/10.1016/j.patcog.2007.02.003
Li, Y. C., Yeh, J.S. and Chang, C.C., 2008. Isolated items discarding strategy for discovering high utility itemsets, Data & Knowledge Engineering, Vol. 64, pp. 198-217. doi:https://doi.org/10.1016/j.datak.2007.06.009
Yao, H. and Hamilton, H. J., 2006. Mining itemset utilities from transaction databases, Data & Knowledge Engineering, Vol. 59, pp. 603-626. doi:https://doi.org/10.1016/j.datak.2005.10.004
Ahmed, C. F., Tanbeer, S. K., Jeong, B. S. and Lee, Y. K., 2009. An efficient candidate pruning technique for high utility pattern mining, Advances in Knowledge Discovery and Data Mining, Lecture Notes in Computer Science, Vol. 76, pp. 749-756. doi:https://doi.org/10.1007/978-3-642-01307-2_76
Tseng, V. S., Chu, C. J. and Liang, T., 2008. An efficient mining of temporal high utility itemsets from data streams, Journal of System and Software, Vol. 81 pp.1105-1117. doi:https://doi.org/10.1016/j.jss.2007.07.026
Ahmed, A., Makky, N. El. and Taha, Y., 2008. Incremental mining of constrained association rules, In: Proceeding of the First Siam Conference on Data Mining, Atlanta. doi:https://doi.org/10.1137/1.9781611972719.24
Li, Y., Ning, P., Wang, X. S. and Jajodia, S., 2003. Discovering calendar based temporal association rules, Data and Knowledge Engineering, Vol. 44, pp. 193-214. doi:http://doi.org/10.1016/S0169-023X(02)00135-0
Gupta, P. and Sagar, B.B., 2015. Discovering weighted time varying temporal relationship, Advances in Intelligent Systems and Computing, Springer. doi:http://doi.org/ 10.1007/978-3-319-69096-4
Ale, J. M. and Rossi, G. H., 2000. An approach to discovering temporal association rules, In: ACM Symposium on Applied Computing, Italy. doi:https://doi.org/10.1145/335603.335770
Mittal, V. and Kashyap, I., 2016. Empirical study of impact of various concept drifts in data stream mining methods, International Journal of Intelligent Systems and Applications (IJISA), Vol. 8, pp. 65-72. doi:http://doi.org/10.5815/ijisa.2016.12.08
Novitasari, W., Hermawan, A., Abdullah, Z. and Herawan, T., 2015. A method of discovering interesting association rules from student admission dataset, International Journal of Software Engineering and Its Applications, Vol. 9, pp. 51-66. doi:https://doi.org/10.14257/ijseia.2015.9.8.05
Wang, J., 2017. Application of association rule mining algorithm in logistics information system design, Journal of Software Engineering, Vol. 11, pp. 217-22370. doi:http://doi.org/10.3923/jse.2017.217.223
