In 2009, Deng et al. defined EIs, t

In 2009, Deng et al. defined EIs, the problem of mining EIs, and META, an Apriori-based algorithm to solve this problem. The results of META are all EIs. However, the mining time of this algorithm is long because
(1) META scans database the first time to determine the total profit of the factory and k times to determine the information associated with each EI, where k is the maximum level of the result of EIs. For example, META finds one or more erasable 5-itemsets, which is the maximum level of EIs. Therefore, META has to scan the database 6 times.
(2) The strategy META uses to generate candidate itemsets is a naïve strategy in which an erasable (k?1)-itemset X is considered with all remaining erasable (k?1)-itemsets used to combine and generate erasable k-itemsets. Only a small number of all remaining erasable (k?1)-itemsets which have the same prefix as that of X are combined. For example, consider the erasable 2-itemset {ab, ac, ad, bc, bd, cd}, META considers the first element {ab} to combine with all remaining erasable 2-itemsets {ac, ad, bc, bd, cd}. Only {ac, ad} are used to combine with {ab}, and {bc, bd, cd} is redundant.

Kết quả (Việt) 1:

Trong năm 2009, Đặng Tiểu Bình và ctv xác định EIs, vấn đề khai thác EIs, và META, một thuật toán Apriori dựa trên để giải quyết vấn đề này. Tất cả EIs là kết quả của META. Tuy nhiên, thời gian khai thác mỏ của thuật toán này là lâu vì(1) META quét cơ sở dữ liệu đầu tiên để xác định tất cả lợi nhuận của các nhà máy và k lần để xác định các thông tin liên quan đến mỗi EI, k là mức tối đa của kết quả EIs. Ví dụ, META tìm thấy một hoặc nhiều erasable 5-itemsets, đó là mức độ tối đa của EIs. Vì vậy, META đã quét cơ sở dữ liệu 6 lần.(2) chiến lược META sử dụng để tạo ra các ứng cử viên itemsets là một chiến lược ngây thơ trong đó một erasable (k? 1)-itemset X được coi là với tất cả còn lại erasable (k? 1) – itemsets được sử dụng để kết hợp và tạo ra erasable k-itemsets. Chỉ một số ít còn lại tất cả erasable (k? 1)-itemsets có tiền tố tương tự như của X được kết hợp. Ví dụ, hãy xem xét erasable 2-itemset {ab, ac, ad, bc, bd, cd}, META sẽ xem xét các yếu tố đầu tiên {ab} để kết hợp với tất cả còn lại 2 erasable – itemsets {ac, ad, bc, bd, cd}. Chỉ {ac, ad} sử dụng để kết hợp với {ab} và {bc, bd, cd} là dư thừa.

Kết quả (Việt) 2:

Năm 2009, Đặng Tiểu Bình et al. định nghĩa EIS, vấn đề khai thác EIS, và META, một thuật toán Apriori dựa trên giải quyết vấn đề này. Các kết quả của META đều EIS. Tuy nhiên, thời gian khai thác của thuật toán này là dài bởi vì
(1) META quét cơ sở dữ liệu lần đầu tiên để xác định tổng lợi nhuận của các nhà máy và k lần để xác định các thông tin liên quan đến mỗi EI, với k là mức tối đa của các kết quả của EIS. Ví dụ, META tìm thấy một hoặc erasable hơn 5 tập phổ biến, đó là mức tối đa của EIS. Do đó, META đã để quét cơ sở dữ liệu 6 lần.
(2) Chiến lược META sử dụng để tạo ra các tập phổ biến ứng cử viên là một chiến lược ngây thơ trong đó một erasable (k 1?) -itemset X được coi là có tất cả còn lại erasable (k 1) -? tập phổ biến dùng để kết hợp và tạo ra erasable k-tập phổ biến. Chỉ có một số lượng nhỏ của tất cả còn lại erasable (k? 1) -itemsets có tiền tố giống như của X được kết hợp. Ví dụ, hãy xem xét các erasable 2-itemset {ab, ac, quảng cáo, bc, bd, cd}, META xem xét các yếu tố đầu tiên {ab} để kết hợp với tất cả các erasable 2 tập phổ biến còn lại {ac, quảng cáo, bc, bd, cd }. Chỉ {ac, quảng cáo} được dùng để kết hợp với {ab}, và {bc, bd, cd} là thừa.