From the experimental results of ru

From the experimental results of runtime, memory consumption, and scalability,
we can draw the conclusion that PUN-list is a very effective structure for mining
high utility itemsets since MIP outperforms the state-of-the-art algorithms almost in
all cases on both real and synthetic datasets. Generally, when the datasets are dense,
MIP performs better. For a sparse dataset, its PU-tree is wide, sparse, and big, which
makes the PUN-lists are not short enough. Therefore, the memory for MIP is high for
sparse datasets. However, MIP is still the fastest algorithm and has very good scala-bility.

Kết quả (Việt) 1:

Từ kết quả thử nghiệm của thời gian chạy, tiêu thụ bộ nhớ và khả năng mở rộng, chúng ta có thể rút ra kết luận rằng danh sách chơi CHỮ là một cấu trúc rất hiệu quả đối với khai thác khoáng sản Các tiện ích cao itemsets kể từ khi MIP nhanh hơn so với các thuật toán nhà nước-of-the-nghệ thuật hầu như tại Tất cả các trường hợp trên thực tế và tổng hợp datasets. Nói chung, nhất là khi các datasets là dày đặc, MIP hoạt động tốt hơn. Đối với một tập dữ liệu thưa thớt, PU-cây của nó là rộng, thưa thớt và lớn, mà làm cho các danh sách chơi CHỮ không phải ngắn, đủ. Vì vậy, bộ nhớ cho MIP là cao nhất thưa thớt datasets. Tuy nhiên, MIP vẫn còn các thuật toán nhanh nhất và có scala-bility rất tốt.

Kết quả (Việt) 2:

Từ các kết quả thực nghiệm của thời gian chạy, tiêu thụ bộ nhớ, và khả năng mở rộng,
chúng ta có thể rút ra kết luận rằng PUN-list là một cấu trúc rất hiệu quả để khai thác
tập phổ biến tiện ích cao kể từ MIP nhanh hơn so với các nhà nước-of-the-nghệ thuật thuật toán gần như trong
tất cả các trường hợp trên cả hai thực tế và tổng hợp dữ liệu. Nói chung, khi các bộ dữ liệu dày đặc,
MIP thực hiện tốt hơn. Đối với một tập dữ liệu thưa thớt, PU-cây của nó là rộng, thưa thớt, và lớn, mà
làm cho PUN-danh sách là không đủ ngắn. Do đó, bộ nhớ cho MIP là cao đối với
các tập dữ liệu thưa thớt. Tuy nhiên, MIP vẫn là thuật toán nhanh nhất và có rất tốt scala-trách.