항목 빈발 회수의 상대적 크기를 고려한 대칭적 신뢰도의 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 제3호

발행연도: 2010.1

수록면: 1,453 - 1,462 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

연관성 규칙은 데이터마이닝 분야에서 가장 많이 활용되고 있으며, 방대한 양의 데이터베이스 속에 있는 각 항목들 간의 관련성을 수치화함으로써 두 개 이상의 항목간의 관련성을 나타내는 기법이다. 이러한 연관성 규칙 기법은 결과변수가 존재하지 않으며, 시간의 순서를 고려하지 않는 비목적성 분석기법이다. 의미 있는 연관성 규칙을 탐색하기 위한 가장 기본적인 흥미도 측도에는 지지도, 신뢰도, 향상도 등이 있으며, 이들을 이용하여 연관성 규칙을 생성하게 된다. 이 때 사용되는 지지도와 향상도는 대칭적인 측도이나 신뢰도는 비대칭적 측도이다. 기존의 연관성 규칙 생성에서는 한 방향으로의 신뢰도만을 이용하여 연관성 규칙의 생성여부를 판단하게 되면 잘못된 결론에 다다를 수 있으므로 본 논문에서는 주변 확률의 상대적 크기를 고려한 대칭적 신뢰도를 제안한 후, 구체적인 예제를 통하여 기존의 신뢰도와 대칭적 신뢰도의 변화하는 양상을 통해 이들을 비교하였다. 그 결과, 대칭적 신뢰도는 두 신뢰도 값의 사이에 위치하게 되며, 항목의 빈발 횟수가 크게 차이가 날수록 대칭적 신뢰도는 빈발횟수가 큰 쪽의 신뢰도에 확연하게 접근된 값을 가지는 것을 확인할 수 있었다.

#대칭적 신뢰도 #데이터마이닝 #신뢰도 #연관성 규칙 #지지도 #향상도 #association rule #confidence #data mining #lift #support #symmetric confidence

참고문헌 (15)

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 (15)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)