대칭적 J 측도에 의한 기본적인 연관성 평가 기준의 대체 방안

박희창

추천

검색

자료유형: 학술저널

저자정보: 박희창

저널정보: 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제19권 제4호

발행연도: 2017.1

수록면: 1,887 - 1,895 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

연관성 규칙은 빅 데이터 시대에 주목받고 있는 데이터 마이닝 기술 중의 하나로 여러 가지 연관성 평가 기준에 의해 트랜잭션 내의 항목 간의 관련성을 결정하는 기법이다. 일반적으로 향상도가 1 이상인 동시에 사용자가 정한 최소 지지도를 초과하는 것 중에서 신뢰도의 크기에 의해 연관성 규칙 생성 여부를 판단하게 된다. 이 때 항목의 전후 위치에 따라 신뢰도의 크기가 다른 경우에는 합리적으로 연관성 규칙 여부를 판단하기가 곤란하다. 이러한 문제를 해결하기 위해 본 논문에서는 데이터 마이닝의 의사결정나무기법에서 활용되고 있는 엔트로피를 기반으로 한 측도들 중에서 기본적인 연관성 평가 기준을 대체할 수 있는 대칭적 J 측도를 제안하였다. 기존의 J 측도가 두 항목 간의 연관성의 정도를 한 방향으로만 제시하는 반면에 대칭적 J 측도는 양방향의 연관성 강도를 동시에 고려하는 측도이므로 값의 크기도 J 측도보다 클 뿐만 아니라 값의 변화폭도 더 큰 것으로 나타났다. 특히 전항과 후항의 위치를 변경하였을 때 J 측도의 크기가 현저하게 차이가 나는 경우에는 잘못된 연관성 규칙을 생성할 수도 있다는 사실도 예제를 통해 확인하였다.

#대칭적 J 측도 #데이터 마이닝 #빅 데이터 #연관성 규칙 #J 측도. #association rule #big data #data mining #J measure #symmetric J measure.

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

Berzal, F. / 2001 / A new framework to assess association rules / Proceedings of the 4th International Conference on Intelligent Data Analysis : 95 ~ 104

Hilderman, R. J. / 2000 / Applying objective interestingness measures in data mining systems / Proceedings of the 4th European Conference on Principles of Data Mining and Knowledge

Pei, J. / 2000 / CLOSET: An efficient algorithm for mining frequent closed itemsets / Proceedings of ACM SIGMOD Workshop on Research Issues in Data Mining and Knowledge Discovery

Saygin Y. / 2002 / Using unknowns to prevent discovery of association rules / Proceedings of 2002 Conference on Research Issues in Data Engineering : 45 ~ 54

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)