已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、從事務(wù)數(shù)據(jù)庫中挖掘有意義的項集已經(jīng)被研究超過10年。頻繁項集挖掘主要挖掘出那些在事務(wù)數(shù)據(jù)庫中大量出現(xiàn)的項集,這些項集之間存在很強的聯(lián)系,可以為決策者提供有效信息,從而可以制定更好的營銷策略。高效用項集挖掘則考慮了事務(wù)在效用上的不同,以及用戶最終所關(guān)心的目標(biāo),通過選擇不同的效用函數(shù),能夠使得挖掘得到的項集的組合更具有針對性。
實際上單獨使用這兩種衡量方式都有各自的局限性,比如出現(xiàn)次數(shù)很高的項集可能對商家最終需要達成的目標(biāo)貢獻較小
2、,雖然這些項集之間聯(lián)系很強,但對最終的決策不具有很大的參考價值。而效用值很高的項集,出現(xiàn)次數(shù)可能很低,項集之間聯(lián)系很弱。因此將這些項集推薦給用戶可能沒有太大的意義。
在本文中,我們將這兩種衡量標(biāo)準(zhǔn)綜合起來考慮,希望找到那些高質(zhì)量的項集,即那些出現(xiàn)次數(shù)多且效用值高的項集。另外,在所有這些高質(zhì)量的項集中,用戶往往只對那些最重要的項集感興趣,所以我們將問題形式化表述為挖掘top-k個頻繁和高效用項集,即在對支持度和相對效用值做加權(quán)和
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 平均高效用項集挖掘算法研究.pdf
- 高效用項集挖掘算法的研究.pdf
- 高效用項集動態(tài)挖掘算法的研究.pdf
- 面向數(shù)據(jù)流的高效用項集挖掘算法研究.pdf
- 基于多重最小支持度的高效用頻繁項集挖掘算法研究.pdf
- 基于效用矩陣和索引的top-k高效用項目集挖掘研究.pdf
- 基于不同數(shù)據(jù)型態(tài)、約束和應(yīng)用的高效用項集挖掘.pdf
- 發(fā)現(xiàn)Top-k高效用項集的算法.pdf
- 最大頻繁項集和頻繁基項集挖掘算法研究.pdf
- 一種高效頻繁項集挖掘算法的研究.pdf
- 頻繁項目集挖掘算法研究.pdf
- 頻繁閉項集挖掘算法研究.pdf
- 約束頻繁項目集挖掘算法研究.pdf
- 快速頻繁項集挖掘算法研究.pdf
- 最大頻繁項集挖掘算法的研究.pdf
- 基于頻繁模式樹的最大頻繁項目集挖掘算法研究.pdf
- 改進的垂直數(shù)據(jù)表示的高效頻繁項集挖掘算法研究.pdf
- 高效用模式挖掘算法研究及應(yīng)用.pdf
- 頻繁項集快速挖掘算法研究及應(yīng)用.pdf
- 基于矩陣的頻繁項集挖掘算法研究.pdf
評論
0/150
提交評論