Найти

Результаты поиска

• ОЦЕНКА ЭФФЕКТИВНОСТИ МЕТОДА ПОИСКА АССОЦИАТИВНЫХ ПРАВИЛ ДЛЯ ЗАДАЧ ОБРАБОТКИ БОЛЬШИХ ДАННЫХ

  В.В. Бова, Э.В. Кулиев, С. Н. Щеглов

  2020-07-20

  Аннотация ▼

  Объемы современных баз данных имеют значительные объемы и содержат большие
  массивы информации. Одним из популярных методов обнаружения знаний для задач обработки
  и анализа больших данных стали алгоритмы поиска ассоциативных правил. В статье решается
  задача построения баз ассоциативных правил для анализа представленной большими массива-
  ми неструктурированных данных на основе поиска в них различных закономерностей с учетом
  значимости их признаков. Предложен метод синтеза баз ассоциативных правил, в котором
  выполняется построение транзакционной базы данных на основе вычисления пороговых значе-
  ний поддержки и применением критериев оценивания косвенных ассоциаций, что позволяет
  извлекать как частые, так и неявные наборы ассоциативных правил. С целью повышения вы-
  числительной эффективности извлечения ассоциативных правил, применяется генетический
  алгоритм оптимизации входных параметров признакового пространства поиска. Метод позво-
  ляет улучшить время извлечения правил, сократить число сгенерированных обобщенных правил,
  избежать затратной процедуры предобработки синтезированной базы правил. Разработан
  программно-алгоритмический модуль, с помощью которого проведены экспериментальные
  исследования метода синтеза ассоциативных правил на основе фильтрации входных парамет-
  ров модели поиска для решения задач обработки неструктурированных данных. Проведенные
  серии экспериментов на тестовых транзакционных базах данных позволили уточнить теоре-
  тические оценки временной сложности метода, в котором для вычисления взвешенной под-
  держки наборов правил с учетом оценки априорной информативности признаков, входящих в
  данный набор применяется генетический алгоритм. Временная сложность разработанного
  метода составляет  О(I2). Сравнительной анализ проводился на тестовых данных корпуса
  Retail Data с алгоритмами Apriori и Frequent Pattern-Growth. Результаты исследований под-
  твердили эффективность метода поиска на больших наборах транзакций, позволяющего более
  чем на 40 % уменьшить мощность неизбыточного множества извлеченных ассоциативных
  правил по сравнению с известными алгоритмами и показали перспективность его применения
  для задачи обнаружения знаний при обработке данных большого объема.