原文服务方: 计算机应用研究       
摘要:
高效用模式的挖掘需要设定一个合适的阈值,而阈值设定对用户来说并非易事,阈值过小导致产生大量低效用模式,阈值过大可能导致无高效用模式生成.因而Top-k高效用模式挖掘方法被提出,k指效用值前k大的模式.并且大量的高效用挖掘研究仅针对静态数据库,但在实际应用中常常会遇到新事务的加入的情况.针对以上问题,提出了增量的Top-k高效用挖掘算法TOPK-HUP-INS.算法通过四个有效的策略,在增量数据的情况下,有效地挖掘用户所需数量的高效用模式.通过在不同数据集上的对比实验表明TOPK-HUP-INS算法在时空性能上表现优异.
推荐文章
基于MapReduce的top-k高效用模式挖掘算法
数据挖掘
top-k
高效用模式
MapReduce
并行算法
一种快速挖掘top-k高效用模式的算法
高效用模式
top-k模式挖掘
效用挖掘
数据挖掘
基于MapReduce的top-k高效用模式挖掘算法
数据挖掘
top-k
高效用模式
MapReduce
并行算法
基于Top-k的高效用模式挖掘算法
高效用模式
Top-k模式
扩展效用值
剩余效用值
数据库投影
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 动态数据库中增量Top-k高效用模式挖掘算法
来源期刊 计算机应用研究 学科
关键词 增量挖掘 效用挖掘 Top-k模式挖掘 动态数据库
年,卷(期) 2017,(5) 所属期刊栏目 系统应用开发
研究方向 页码范围 1401-1405
页数 5页 分类号 TP181|TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2017.05.028
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 崔建群 华中师范大学计算机学院 39 271 10.0 14.0
2 吴倩 华中师范大学计算机学院 16 30 4.0 5.0
3 王林平 华中师范大学计算机学院 11 80 5.0 8.0
4 罗相洲 华中师范大学计算机学院 5 25 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (97)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(9)
  • 参考文献(2)
  • 二级参考文献(7)
2014(4)
  • 参考文献(2)
  • 二级参考文献(2)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
增量挖掘
效用挖掘
Top-k模式挖掘
动态数据库
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导