Next, we present an example to show

Next, we present an example to show the effectiveness of our utility estimates.
Let us consider the example database as shown in Table 1 and let min util = 75.
In the first pass of the database, transaction weighted utilization (TWU) of
every distinct item is calculated. {F }, {G} and {H} are the low utility items as
their TWU is below the minimum utility threshold. The transactions are then
reorganized by removing the unpromising (low utility) items and sorting the
items within a transaction in decreasing order of their TWUs. Every reorganized
transaction is inserted one by one to create a global UP-Hist tree as shown in
Figure 1. Let us now process the local tree created by processing item {A}
from the header table. Item {A} is a candidate high utility itemset, since its
reorganized transaction utility is 94, which is greater than the minimum utility
threshold. The conditional pattern base of ({A} − CPB) is created and items
in the CPB are processed. ({A} − CPB) consists of paths < CD >,< C > and
< D > with path utility 56, 16 and 22. The transaction utility of items {C} and
{D} is 72 and 78. Therefore, {C} is an unpromising item and its utility must be
subtracted to get the reorganized path utilities. The reorganized utility of the
path < CD > by UP-Growth is computed as shown below.
p.nunew(< CD >,A − CPB) = 56 − miu(C) × s(c) = 56 − 1 × 2 = 54.
p.nunew(< CD >, {A} − CPB) computed by UP-Growth+ is same asc.mnu
is also 1. The estimated utility of the itemset < AD > by UP-Growth and
UP-Growth+ is equal to the sum of path utility of < CD > and < D > in
{A} − CPB i.e. 76.
Now, we will calculate the estimated utility using our histogram. The support
of the unpromising item C is 2 and minC(C,2) is 5. The path utility of path
< CD > using the histogram of item {C} {< 1,1 >,< 4,1 >,< 6,1 >,< 10,1 >
,< 13,1 >} is given below:
pu(< CD >, {A} − CPB) = 56 − minC(C,2) ∗ pr(C) = 56 − 5 = 51.
The estimated utility of itemset < AD > is 73. Therefore, < AD > is a
potential high utility itemset according to the UP-Growth and UP-Growth+
algorithm, but a low utility itemset according to our algorithm.

Kết quả (Việt) 1:

Tiếp theo, chúng tôi trình bày một ví dụ cho thấy hiệu quả của chúng tôi ước tính tiện ích.Chúng ta hãy xem xét cơ sở dữ liệu ví dụ như hiển thị trong bảng 1 và cho min util = 75.Tại đèo đầu tiên của cơ sở dữ liệu, giao dịch trọng sử dụng (TWU) củamỗi mục riêng biệt được tính. {F} {G} và {H} là các mặt hàng thấp Tiện ích nhưcủa TWU là dưới ngưỡng tối thiểu Tiện ích. Các giao dịch sau đótổ chức lại bằng cách loại bỏ các mục (thấp Tiện ích) unpromising và phân loại cácmặt hàng trong một giao dịch trong giảm Huân chương TWUs của họ. Mỗi tổ chức lạigiao dịch là đưa vào một để tạo ra một toàn cầu mặc-Hist cây như minh hoạ trongHình 1. Hãy cho chúng tôi bây giờ xử lý cây địa phương tạo bởi xử lý mục {A}từ tiêu đề bảng. Mục {A} là một ứng cử viên cao tiện ích itemset, từ của nótổ chức lại giao dịch tiện ích là 94, mà là lớn hơn các tiện ích tối thiểungưỡng. Các cơ sở có điều kiện mẫu của ({một} CPB −) được tạo ra và ghitrong CPB được xử lý. ({Một} CPB −) bao gồm đường dẫn < CD > < C > và< D > với tiện ích con đường 56, 16 và 22. Các tiện ích giao dịch của mục {C} và{D} là 72 và 78. Vì vậy, {C} là một mục unpromising và tiện ích của nó phảitrừ để có được các tiện ích tổ chức lại đường dẫn. Các tiện ích reorganized của cácđường dẫn < CD > bởi tăng trưởng lên được tính như hình dưới đây.p.nunew (< CD >, một − CPB) = 56 − miu(C) × s(c) = 56 − 1 × 2 = 54.p.nunew (< CD >, − {một} CPB) tính bởi mặc-tăng trưởng + là cùng một asc.mnucũng là 1. Các tiện ích ước tính của itemset < quảng cáo > bởi UP-tăng trưởng vàUP-tăng trưởng + là tương đương với nguồn trí tuệ của con đường tiện ích của < CD > < d > trong− {một} CPB tức là 76.Bây giờ, chúng tôi sẽ tính toán các tiện ích ước tính bằng cách sử dụng biểu đồ của chúng tôi. Sự hỗ trợmục unpromising C là 2 và minC(C,2) là 5. Các tiện ích con đường của đường dẫn< CD > sử dụng biểu đồ của mục {C} {< 1,1 >, < 4,1 >, < 6,1 > < 10,1 >< 13,1 >} đưa ra dưới đây:Pu (< CD >, − {một} CPB) = 56 − minC(C,2) ∗ pr(C) = 56 − 5 = 51.Các tiện ích ước tính của itemset < quảng cáo > là 73. Vì vậy, < quảng cáo > là mộttiềm năng cao tiện ích itemset theo UP-tăng trưởng và UP-tăng trưởng +thuật toán, nhưng một itemset thấp Tiện ích theo thuật toán của chúng tôi.

Kết quả (Việt) 2:

Tiếp theo, chúng tôi trình bày một ví dụ cho thấy tính hiệu quả của các ước tính tiện ích của chúng tôi.
Chúng ta hãy xem xét các cơ sở dữ liệu ví dụ như thể hiện trong Bảng 1 và để cho min util = 75.
Trong đèo đầu tiên của cơ sở dữ liệu, giao dịch sử dụng trọng số (TWU) của
mỗi biệt mục được tính toán. {F}, {G} và {H} là các hạng mục tiện ích thấp
TWU của họ là dưới ngưỡng tiện ích tối thiểu. Các giao dịch sau đó được
tổ chức lại bằng cách loại bỏ các (tiện ích thấp) các mặt hàng không hứa hẹn và phân loại các
mặt hàng trong một giao dịch thứ tự giảm dần của TWUs của họ. Mỗi tổ chức lại
giao dịch được thêm vào từng người một để tạo ra một cây UP-Hist toàn cầu như trong
Hình 1. Bây giờ chúng ta xử lý các cây địa phương tạo ra bằng cách xử lý mục {A}
từ các bảng tiêu đề. Mục {A} là một ứng cử viên tiện ích cao itemset, vì nó
tiện ích giao dịch được tổ chức lại là 94, đó là lớn hơn so với tiện ích tối thiểu
ngưỡng. Các cơ sở mô hình có điều kiện ({A} - CPB) được tạo ra và các mặt hàng
trong CPB được xử lý. ({A} - CPB) bao gồm các đường dẫn <CD>, <C> và
<D> với tiện ích đường 56, 16 và 22. Các tiện ích giao dịch của các mục {C} và
{D} là 72 và 78. Do đó, { C} là một item không hứa hẹn và tiện ích của nó phải được
trừ để có được các tiện ích con đường được tổ chức lại. Các tiện ích được tổ chức lại của
con đường <CD> UP-Tăng trưởng được tính như hình dưới đây.
P.nunew (<CD>, A - CPB) = 56 - miu (C) × s (c) = 56-1 x 2 = 54.
p.nunew (<CD>, {A} - CPB) tính bằng UP-Growth + là cùng asc.mnu
cũng là 1. Các tiện ích ước tính của các tập phổ biến <AD> UP-Tăng trưởng và
UP-Growth + bằng tổng các tiện ích con đường của <CD> và <D> trong
{A} - CPB tức là 76.
Bây giờ, chúng tôi sẽ tính toán tiện ích ước tính bằng cách sử dụng biểu đồ của chúng tôi. Sự hỗ trợ
của các mục C không hứa hẹn là 2 và Minc (C, 2) là 5. Các tiện ích con đường của con đường
<CD> sử dụng các biểu đồ của mục {C} {<1,1>, <4,1>, <6 , 1>,
<10,1>, <13,1>} được đưa ra dưới đây:
pu (<CD>, {A} - CPB) = 56 - Minc (C, 2) * pr (C) = 56-5 = 51.
Các ước tính tiện ích của tập phổ biến <AD> là 73. Vì vậy, <AD> là một
tiện ích cao tiềm năng itemset theo UP-Tăng trưởng và UP-Growth +
thuật toán, nhưng một tiện ích thấp itemset theo thuật toán của chúng tôi.