.png){kind=icon}
返回
Utility-Driven Data Analytics Algorithm for Transaction Modifications Using Pre-Large Concept With Single Database Scan
.png){kind=icon}
PRE
AI
DOI：10.1109/TBDATA.2025.3556615.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
效用驱动的模式分析是一种用于分析具有高效用值的显著模式的基本方法，适用于各类定量交易数据库。近年来，为更高效地处理大型、动态数据库环境，出现了多种通过“预大”（pre-large）概念减少数据扫描次数和模式扩展操作的方法。然而，现有的基于“预大”概念的高效用模式挖掘方法要么无法处理实时交易修改，要么需要额外的数据扫描来验证候选模式。本文提出了一种新颖的高效效用驱动模式挖掘算法，利用“预大”概念处理交易修改。该方法通过管理实际效用值引入单次扫描框架，在修改环境下无需生成候选模式即可发现高效用模式，以实现高效的效用驱动动态数据分析。我们通过利用真实和合成数据集进行广泛的性能评估，将所提方法与最先进方法进行了性能比较。根据评估结果和案例研究，所提方法比最先进方法快至少1.5倍，同时内存占用最小化，且随着数据库规模增大表现出良好的扩展性。进一步的统计分析表明，所提方法在提供完整且准确结果（无损失）的同时，相比先前方法缩小了模式搜索空间。
Keyword:
Dynamic databases
high utility patterns
pre-large concept
single database scan
transaction modifications
期刊
I
IF:
5.7
论文数:
887
被引数:
3.0K
机构
引用论文
分享收藏A new approach for efficiently mining frequent weighted utility patterns.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏ITUFP: A fast method for interactive mining of Top-K frequent patterns from uncertain dataITUFP: 一种快速交互式挖掘不确定数据中Top-K频繁模式的方法
PREAI
分享收藏
分享收藏Prelarge-Based Utility-Oriented Data Analytics for Transaction Modifications in Internet of Things
PREAI
分享收藏
查看更多内容