고유한 항목 특성 파악을 위한 순수 연관성 규칙의 제안

박희창

추천

검색

자료유형: 학술저널

저자정보: 박희창

저널정보: 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제11권 제2호

발행연도: 2009.1

수록면: 859 - 869 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

데이터 마이닝은 방대한 양의 데이터 속에서 쉽게 드러나지 않는 유용한 정보를 찾아내는 기법이다. 데이터 마이닝 기법 중에서 연관성규칙은 데이터베이스 내에 존재하는 항목들 간의 상호 관련성을 찾아내는 기법으로서 항목들 사이의 지지도, 신뢰도, 향상도 등의 흥미도 측도를 기준으로 상호 관련성 여부를 측정한다. 이러한 연관성 측정을 위한 연관성 규칙의 종류로는 불리언 연관성 규칙과 정량적 연관성 규칙, 1차원 연관성 규칙과 다중차원 연관성 규칙, 단일 수준 연관성 규칙과 다 수준 연관성 규칙, 그리고 순차 연관성 규칙과 비 연관성 규칙 등이 있다. 본 논문에서는 고유한 항목의 특성을 파악하기 위해 순수 연관성 규칙을 제안하고, 제안된 연관성 규칙의 평가기준에 대한 조건과 성질을 규명하였다. 또한 예제를 통하여 기존의 흥미도 측도와 제안한 흥미도 측도를 비교한 결과, 순수 연관성 규칙에서는 특정 요인에 의한 결과를 나타내주는 동시에 양의 관련성과 음의 관련성을 판단할 수 있다는 사실을 알게 되었다.

#순수 신뢰도 #순수 연관성 규칙 #순수 지지도 #순수 향상도 #흥미도 측도. #data mining #interestingness measure #pure association rule #pure confidence #pure lift #pure support.

참고문헌 (25)

참고문헌 신청

Agrawal, R / 1993 / Mining Association Rules between Sets of Items in Large Databases / Proceedings of the ACM SIGMOD Conference on Management of Data : 207 ~ 216

Agrawal, R / 1994 / Fast Algorithms for Mining Association Rules / Proceeding of the 20th VLDB Conference : 487 ~ 499

Antonie, M / 2004 / An Associative Classifier based on Positive and Negative Rules / Proceedings of the 9th ACM SIGMOD Workshop on Research Issues in Data Mining and Knowledge Dis

Antonie, M / 2004 / Mining Positive and Negative Association Rules : An Approach for Confined Rules / Knowledge Discovery in Databases: PKDD : 27 ~ 38

Bayardo, R. J / 1998 / Efficiently Mining Long Patterns from Databases / Proceedings of ACM SIGMOD Conference on Management of Data : 85 ~ 93

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박희창

소속기관 창원대학교

주요연구분야 자연과학 > 수학·통계학

논문수 130 이용수 702

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (25)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)