Data mining, also known as knowledg

Data mining, also known as knowledge discovery in databases, has been recognized as a new area for database research. The area can be defined as efficiently discovering interesting rules from large collections of data.
The problem of mining association rules was introduced in [1]. Given a set of transactions, where each transaction is a set of items, an association rule is an expression X = Y, where X and Y are sets of items. The intuitive meaning of such a rule is that transactions in the database which contain the items in X tend to also contain the items in Y. An example of such a rule might be that 98% of customers who purchase tires and auto accessories also buy some automotive services; here 98% is called the confidence of the rule. The support of the rule X = Y is the percentage of transactions that contain both X and Y. The problem of mining association rules is to find all rules that satisfy a user-specified minimum support and minimum confidence. Applications include cross-marketing, attached mailing, catalog design, loss-leader analysis, store layout, and customer segmentation based on buying patterns.
In most cases, taxonomies (is-a hierarchies) over the items are available. An example of a taxonomy is shown in Figure 1: this taxonomy says that Jacket is-a Outerwear, Ski Pants is-a Outerwear, Outerwear is-a Clothes, etc. Users are interested in generating rules that span different levels of the taxonomy. For example, we may infer a rule that people who buy Outerwear tend to buy Hiking Boots from the fact that people bought Jackets with Hiking Boots and and Ski Pants with Hiking Boots. However, the support for the rule "Outerwear = Hiking Boots" may not be the sum of the supports for the rules "Jackets = Hiking Boots" and "Ski Pants = Hiking Boots" since some people may have bought Jackets, Ski Pants and Hiking Boots in the same transaction. Also, "Outerwear Hiking Boots" may be a valid rule, while "Jackets Hiking Boots" and "Clothes = Hiking Boots" may

Kết quả (Việt) 1:

Khai thác dữ liệu, cũng được gọi là kiến thức phát hiện trong cơ sở dữ liệu, đã được công nhận là một khu vực mới cho cơ sở dữ liệu nghiên cứu. Khu vực có thể được định nghĩa là một cách hiệu quả phát hiện các quy tắc thú vị từ các bộ sưu tập lớn của dữ liệu.Vấn đề của khai thác mỏ Hiệp hội quy tắc đã được giới thiệu trong [1]. Cho một tập hợp các giao dịch, nơi mỗi giao dịch là một tập hợp các mặt hàng, quy tắc Hiệp hội là một biểu hiện X = Y, nơi X và Y là bộ mặt hàng. Ý nghĩa trực quan của một quy tắc là giao dịch trong cơ sở dữ liệu có chứa các mục trong X có xu hướng cũng chứa các mục trong Y. Một ví dụ về một quy tắc có thể là rằng 98% số khách hàng mua lốp xe và tự động phụ kiện cũng mua một số dịch vụ ô tô; ở đây 98% được gọi là sự tự tin của các quy tắc. Sự hỗ trợ của các quy tắc X = Y là tỷ lệ phần trăm của các giao dịch có chứa cả X và Y. Vấn đề của khai thác mỏ Hiệp hội quy tắc là tìm tất cả các quy tắc làm hài lòng một người dùng xác định hỗ trợ tối thiểu và tối thiểu sự tự tin. Ứng dụng bao gồm cross-tiếp thị, kèm theo hộp thư chung, thiết kế cửa hàng, mất lãnh đạo phân tích, bố trí cửa hàng, và phân khúc khách hàng dựa trên mua mô hình.Trong hầu hết trường hợp, phân loại (là một phân cấp) trên các mục có sẵn. Một ví dụ về một phân loại được thể hiện trong hình 1: phân loại này nói rằng Jacket là một áo khoác, Ski quần là một áo khoác, Áo khoác là một quần áo, vv. Người dùng được quan tâm trong việc tạo các quy tắc mà span các cấp độ khác nhau của phân loại. Ví dụ, chúng tôi có thể suy ra một quy tắc mà người mua áo khoác có xu hướng mua giày đi bộ đường dài từ thực tế rằng những người mua áo khoác với khởi động đi bộ đường dài và và Ski quần với khởi động đi bộ đường dài. Tuy nhiên, sự hỗ trợ cho quy tắc "Outerwear = khởi động đi bộ đường dài" không có số tiền của sự hỗ trợ cho các quy tắc "áo khoác = khởi động đi bộ đường dài" và "Ski quần = khởi động đi bộ đường dài" kể từ khi một số người có thể đã mua áo jacket, quần Ski và đi bộ đường dài khởi động trong cùng một giao dịch. Ngoài ra, "Khởi động đi bộ đường dài áo khoác" có thể là một quy tắc hợp lệ, trong khi "Áo khoác đi bộ đường dài khởi động" và "quần áo = khởi động đi bộ đường dài" có thể

Kết quả (Việt) 2:

Khai thác dữ liệu, còn được gọi là khám phá tri thức trong cơ sở dữ liệu, đã được công nhận là một khu vực mới cho nghiên cứu cơ sở dữ liệu. Khu vực này có thể được định nghĩa là phát hiện có hiệu quả quy tắc thú vị từ bộ sưu tập lớn của dữ liệu.
Các vấn đề của luật kết hợp khai thác khoáng sản đã được giới thiệu trong [1]. Cho một tập các giao dịch, trong đó mỗi giao dịch là một tập hợp các mục này, luật kết hợp là một biểu thức X = Y, trong đó X và Y là tập hợp các mặt hàng. Ý nghĩa trực quan của một quy tắc như vậy là giao dịch trong cơ sở dữ liệu có chứa các mục trong X có xu hướng cũng có chứa các mục trong Y. Một ví dụ về một quy định như vậy có thể là 98% khách hàng mua lốp xe và phụ tùng ô tô cũng mua một số Dịch vụ ô tô; ở đây 98% được gọi là sự tự tin của các quy tắc. Sự hỗ trợ của các quy tắc X = Y là tỷ lệ giao dịch có chứa cả X và Y. Các vấn đề của luật kết hợp khai thác khoáng sản là để tìm tất cả các quy tắc mà đáp ứng một người dùng chỉ định hỗ trợ tối thiểu và sự tự tin tối thiểu. Ứng dụng bao gồm cross-marketing, gửi thư đính kèm, thiết kế catalogue, phân tích lỗ lãnh đạo, cách bố trí và phân khúc khách hàng dựa trên mua mô hình.
Trong hầu hết các trường hợp, nguyên tắc phân loại (là-một hệ thống phân cấp) trên các mục có sẵn. Một ví dụ về phân loại được thể hiện trong hình 1: phân loại này cho biết, áo khoác là một-Áo khoác, quần trượt tuyết là một-Áo khoác, Áo khoác là một-Quần áo, vv Người dùng quan tâm trong việc tạo ra các quy tắc mà span cấp độ khác nhau của các phân loại. Ví dụ, chúng ta có thể suy ra một quy tắc mà người mua Áo khoác có xu hướng mua Hiking Boots từ thực tế là người mua Áo khoác với Hiking Boots và và quần trượt tuyết với Hiking Boots. Tuy nhiên, sự hỗ trợ cho sự cai trị "Áo khoác = Hiking Boots" có thể không phải là số tiền của khoản hỗ trợ cho các quy tắc "Áo khoác = Hiking Boots" và "Ski quần = Hiking Boots" vì một số người có thể đã mua áo, quần trượt tuyết và đi bộ Boots trong cùng một giao dịch. Ngoài ra, "Áo khoác đi bộ Boots" có thể là một nguyên tắc hợp lệ, trong "Áo khoác đi bộ Boots" và "Quần áo = Boots đi bộ" có thể