In this paper, we have proposed a n

In this paper, we have proposed a novel data structure, PUN-list, which maintains
the utility and utility upper bound information about an itemset by summarizing this
information at different nodes of a PU-tree. Based on PUN-list, we developed an effi-
cient algorithm, MIP, for high utility itemsets mining. Besides, MIP employs an effi-
cient mining strategy that directly discovers high utility itemsets from the search
space using pruning information stored in PUN-lists. We have studied the perfor-
mance of MIP in comparison with the state-of-the-art algorithms on various real and
synthetic datasets. The experimental results show that MIP outperforms these algo-
rithms substantially, which strongly indicates that PUN-list is a very effective data
structure for mining high utility itemsets.

Kết quả (Việt) 1:

Trong bài báo này, chúng tôi đã đề xuất một cấu trúc dữ liệu tiểu thuyết, chơi CHỮ-danh sách, mà duy trì Tiện ích và tiện ích cận trên thông tin về một itemset bởi tổng kết này thông tin tại các nút khác nhau của PU cây. Dựa trên danh sách chơi CHỮ, chúng tôi phát triển một thống-CIT thuật toán, MIP, cho khai thác mỏ itemsets Tiện ích cao. Bên cạnh đó, MIP sử dụng effi-CIT mỏ chiến lược trực tiếp phát hiện ra các tiện ích cao itemsets từ tìm kiếm không gian bằng cách sử dụng cắt tỉa thông tin được lưu trữ trong danh sách chơi CHỮ. Chúng tôi đã nghiên cứu perfor-Mance của MIP khi so sánh với các thuật toán nhà nước-of-the-art trên thực tế khác nhau và Tổng hợp datasets. Kết quả thử nghiệm cho thấy rằng MIP nhanh hơn so với những thuật toán-rithms đáng kể, mà mạnh mẽ chỉ ra rằng danh sách chơi CHỮ là một dữ liệu rất hiệu quả cấu trúc cho khai thác mỏ cao tiện ích itemsets.

Kết quả (Việt) 2:

Trong bài báo này, chúng tôi đã đề xuất một cấu trúc dữ liệu mới lạ, PUN-danh sách, trong đó duy trì
tiện ích và thông tin hữu ích trên ràng buộc về một tập phổ biến bằng cách tổng kết này
thông tin tại các nút khác nhau của một PU-tree. Dựa trên PUN-list, chúng tôi phát triển một effi-
thuật toán cient, MIP, khai thác tập phổ biến tiện ích cao. Bên cạnh đó, MIP dụng một effi-
chiến lược khai thác cient trực tiếp phát hiện ra tập phổ biến tiện ích cao từ việc tìm kiếm
không gian sử dụng cắt tỉa thông tin lưu trữ trong PUN-danh sách. Chúng tôi đã nghiên cứu các perfor
mance của MIP so với nhà nước-of-the-nghệ thuật các thuật toán khác nhau trên thực tế và
tập dữ liệu tổng hợp. Các kết quả thực nghiệm cho thấy rằng MIP nhanh hơn so với những algo-
rithms đáng kể, mà mạnh mẽ chỉ ra rằng PUN-danh sách là một dữ liệu rất hiệu quả
cấu trúc để khai thác tập phổ biến tiện ích cao.