.png){kind=icon}
返回
Mining high average-efficiency itemsets based on a compact list structure
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.113639.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 一种紧凑的AE-List结构存储关键信息，而非原始数据库。
• 基于新上界（new upper bound）的剪枝策略可以减少连接操作。
• 引入EAECS以提高运行时性能，尽管牺牲了部分内存。
• 通过基准数据集进行了多种实验以展示性能提升。
期刊
IF:
8
论文数:
5.8K
被引数:
3.5W
机构
引用论文
Efficient mining high average-utility itemsets with effective pruning strategies and novel list structure.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏分享收藏HUPSP-LAL: Efficiently mining utility-driven sequential patterns in uncertain sequencesHUPSP-LAL: 在不确定序列中高效挖掘基于效用的序列模式
PREAI
分享收藏List-based mining top-k average-utility itemsets with effective pruning and threshold raising strategiesAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容