역의 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 제12권 제6호

발행연도: 2010.1

수록면: 3,305 - 3,315 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

연관성 규칙은 데이터마이닝 기법 중에서 가장 많이 활용되고 있는 기법이다. 이 방법은 각 항목간의 연관성을 반영하는 기준인 지지도, 신뢰도, 향상도 등의 흥미도 측도를 바탕으로 관련성 여부를 측정한다. 일반적으로 연관성 규칙에서는 어느 항목이 발생하면 다른 항목도 발생한다는 규칙을 생성하는 반면에, 역의 연관성 규칙은 어느 항목이 발생하지 않으면 다른 항목도 발생하지 않는다는 규칙을 발견하는 기법이다. 현재 역의 연관성 규칙에서 사용되는 측도들 중에서는 지지도와 신뢰도는 방향성이 없으며, 향상도는 방향성이 없을 뿐만 아니라 범위의 제한도 없다. 본 논문에서는 역의 연관성 규칙이 안고 있는 단점을 보완하기 위해 역의 순수 지지도, 역의 순수 신뢰도, 그리고 역의 순수 향상도 등의 연관성 측도를 정의함으로써 역의 순수 연관성 규칙을 제안하였다. 또한 예제를 통하여 그 유용성을 알아본 결과, 역의 순수 연관성 측도들은 그 부호에 의해 연관성 규칙의 방향을 파악할 수 있었으며, 기존의 역의 연관성 측도를 사용하게 되면 잘못된 연관성 규칙으로 해석하는 오류를 범할 수 있다는 사실을 확인하였다.

#역의 순수 신뢰도 #역의 순수 지지도 #역의 순수 향상도 #흥미도 측도 기준 #interestingness measure criteria #inverse pure confidence #inverse pure lift #inverse pure support

참고문헌 (16)

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 / Proceedings of the 20th VLDB Conference : 487 ~ 499

Cai, C. H. / 1998 / Mining association rules with weighted items / Proceedings of International Database Engineering and Applications Symposium : 68 ~ 77

Han, J. / 1999 / Mining multiple-level association rules in large databases / IEEE Transactions on Knowledge and Data Engineering 11 (5) : 68 ~ 77

Han, J. / 2000 / Mining frequent patterns without candidate generation / Proceedings of ACM SIGMOD Conference on Management of Data : 1 ~ 12

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 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)