Abstract. We study the problem of m

Abstract. We study the problem of mining frequent itemsets from uncertain
data under a probabilistic framework. We consider transactions
whose items are associated with existential probabilities and give a formal
definition of frequent patterns under such an uncertain data model.
We show that traditional algorithms for mining frequent itemsets are
either inapplicable or computationally inefficient under such a model.
A data trimming framework is proposed to improve mining efficiency.
Through extensive experiments, we show that the data trimming technique
can achieve significant savings in both CPU cost and I/O cost.

Kết quả (Việt) 1:

Tóm tắt. Chúng tôi nghiên cứu vấn đề của khai thác mỏ itemsets thường xuyên từ không chắc chắndữ liệu theo một khuôn khổ xác suất. Chúng tôi xem xét giao dịchmục có liên quan đến xác suất hiện sinh và cung cấp cho một chính thứcđịnh nghĩa của các mô hình thường xuyên theo một mô hình dữ liệu không chắc chắn.Chúng tôi thấy rằng các thuật toán truyền thống cho khai thác mỏ thường xuyên itemsets làhoặc không thể dùng được hoặc computationally không hiệu quả theo một mô hình.Một khuôn khổ trang trí dữ liệu đề nghị để cải thiện hiệu quả khai thác mỏ.Thông qua thử nghiệm rộng rãi, chúng tôi thấy rằng kỹ thuật trang trí dữ liệucó thể đạt được tiết kiệm đáng kể chi phí CPU và I/O chi phí.

Kết quả (Việt) 2:

Tóm tắt. Chúng tôi nghiên cứu các vấn đề khai thác tập phổ biến từ chắc chắn
dữ liệu trong một khuôn khổ xác suất. Chúng tôi xem xét các giao dịch
mà các mặt hàng có liên quan đến xác suất tồn tại và đưa ra một hình thức
định nghĩa của mô hình thường xuyên dưới như một mô hình dữ liệu không chắc chắn.
Chúng tôi thấy rằng các thuật toán truyền thống khai thác tập phổ biến là
một trong hai không thể áp dụng hoặc không hiệu quả tính toán theo một mô hình như vậy.
Một khung dữ liệu là cắt tỉa đề xuất để nâng cao hiệu quả khai thác.
Thông qua thí nghiệm rộng rãi, chúng ta thấy rằng các dữ liệu kỹ thuật cắt tỉa
có thể đạt được tiết kiệm đáng kể chi phí cả CPU và chi phí O / I.