Rapid association rule mining

Das, A.; Ng, Wee-Keong; Woon, Yew-Kwong

doi:10.1145/502585.502665

Cited by 67 publications

(49 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…There are also several optimized versions of Apriori, such as DHP [115] and RARM [35]. FP-Growth discovers frequent itemsets without a candidate generation step.…”

Section: Correlations and Association Rulesmentioning

confidence: 99%

Profiling relational data: a survey

Abedjan¹,

2015

View full text Add to dashboard Cite

Profiling data to determine metadata about a given dataset is an important and frequent activity of any IT professional and researcher and is necessary for various use-cases. It encompasses a vast array of methods to examine datasets and produce metadata. Among the simpler results are statistics, such as the number of null values and distinct values in a column, its data type, or the most frequent patterns of its data values. Metadata that are more difficult to compute involve multiple columns, namely correlations, unique column combinations, functional dependencies, and inclusion dependencies. Further techniques detect conditional properties of the dataset at hand. This survey provides a classification of data profiling tasks and comprehensively reviews the state of the art for each class. In addition, we review data profiling tools and systems from research and industry. We conclude with an outlook on the future of data profiling beyond traditional profiling tasks and beyond relational databases.

show abstract

“…There are also several optimized versions of Apriori, such as DHP [115] and RARM [35]. FP-Growth discovers frequent itemsets without a candidate generation step.…”

Section: Correlations and Association Rulesmentioning

confidence: 99%

Profiling relational data: a survey

Abedjan¹,

2015

View full text Add to dashboard Cite

show abstract

“…Uygulama alanlarına ait bazı örnekler aşağıda verilmiştir: -Pazar araştırması; hedef pazar, müşteriler arası benzerliklerin saptanması, sepet analizi, çapraz pazar incelemesi -Risk analizi; kalite kontrol, rekabet analizi, sahtekârlıkların saptanması -Belgeler arası benzerlik; e-postalar, haber kümeleri benzerliklerinin saptanması -Müşteri kredi risk araştırmaları -Yaban hayatı yönetimi; popülâsyonun yörünge izleri izlenerek hayvan göç modellerini ortaya koyma -Kirlilik; kayıtlı duman iz hareketleri izlenerek, hava akışı modelleri üzerinde çalışarak kirlilik kaynağına ulaşabilme -Sensörler; fiziksel alanlarda çevresel izlenimler -Coğrafi Bilgi Sistemi; deprem, su taşmaları, arazi oluşumları, kent yerleşim planı, yatırım amaçlı alanların belirlenmesi gibi coğrafi çalışmalar -İş Sağlığı ve güvenliği; mevcut önlemler ile riskler arasındaki ilişki, alınması gereken önlemler ile riskler arasındaki ilişki, önlemler ile risklerin olasılık ve şiddet ilişkisi, tehlikeler ile önlemler arasındaki ilişki gibi ilişkilerin çıkarılması AIS [6], SETM [7], Apriori [8], RARM -Rapid Association Rule Mining [9], CHARM [10].…”

Section: Veri Madenciliği Uygulama Alanlarıunclassified

İş Sağlığı ve Güvenliğinde Risk Analizi ve Değerlendirmesi İçin Geliştirilmiş Bir Karar Destek Sistemi (Yapay Sinir Ağı)-Atatürk Üniversitesi Örneği

Alaeddinoğlu¹,

Sincar²,

Naralan³

2015

Çukurova Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

Abstractİş sağlığı ve güvenliği 30 Haziran 2012 tarihinde resmi gazetede yayınlanan 6331 Sayılı İş Sağlığı ve Güvenliği Kanunu tüm çalışanları iş sağlığı ve güvenliğinin kapsamına aldığı için günümüzde daha çok önem kazanmıştır. Bu kanun iş verene getirmiş olduğu en büyük yükümlülük, iş yerlerinde iş sağlığı ve güvenliği uzmanı, iş yeri hekimi ve diğer sağlık personeli bulundurmadır. Bu profesyoneller işletmede veya iş yerinde iş sağlığı ve güvenliği için gerekli alt yapıyı oluşturmak, önlemleri almak ve gerekli kayıtları tutarak iş yerinde güvenli ortamları oluşturmak zorundadırlar. Ancak dalgınlık, yorgunluk, unutkanlık, tecrübesizlik, bilgi eksikliği ve ilginç ilişkileri görememe gibi tehlikeli hareketler ayrıca ve makine ve cihazların koruyucusuz olması, periyodik bakımlarının yapılmaması, kırık, arızalı makine ve cihazların kullanılması gibi tehlikeli durumlar ortaya çıkabileceğinden uzman kişi de yetersiz kalabilmektedir. Daha etkin ve yeterli bir risk analizi ve değerlendirmesi yapabilmek için uzman kişinin kararına yardımcı olması ve bilgi alt yapı desteği vermesi amacıyla Yapay Sinir Ağları kullanılarak tehlikelerle ilgili muhtemel risklere karşı alınması gereken tedbirleri ve risklerin zararlarını en aza indirme adına bilgisayara karar vermeyi destekleyen bir sistem öğretilecektir. Sistem aynı bir uzman gibi karşılaşılan duruma karşı alınacak tedbirleri ve olasılıkları saptayarak uzman kişinin kararına yardımcı olacaktır. Sistem geçmişte yapılmış risk analizi ve değerlendirmeleri sonucu ortaya çıkan durumları öğrenerek yeni karşılaşılan durumlara karşı cevap vermektedir. Kullanılacak teknik sürekli olarak yeni alınan kararları kendine katarak daha kaliteli kararlar alınmasını sağlamayı amaçlamaktadır. AbstractWith the occupational health and safety law number 6331 published in the official gazette 30 June 2012, all employees were included in the occupational health and safety scope, which, therefore, gained more

show abstract

“…Rapid association rule mining [50],Generalized association rule mining [51,52,53] ,Fuzzy association rule mining [54] Mining, Distributed association rule mining [55], Association rule mining using multi criteria decision methods (Global profit weight method) [56], Frequent item sets using vertical layout [57], Maximal and closed frequent pattern mining algorithms [57], Multi dimensional and Quantitative association rule mining algorithms [57], Sequential association rule mining algorithms [57], Incremental association rule mining algorithms [57], Image association rule mining [3] and Association rule mining for clustering [58,59,60] are seen in the literature. The comparison scheme provides a frame work which clearly shows the search type, number of scans required(k-represent number of items) and data structure of the various association rule mining algorithms.…”

Section: Other Important Association Rule Mining Algorithmsmentioning

confidence: 99%

A Study on Milestones of Association Rule Mining Algorithms in Large Databases

Suba¹,

T²

2012

IJCA

View full text Add to dashboard Cite

Data mining helps in doing automated extraction and generating predictive information from large amount of data. The association rule mining is one of the important area of research in Data mining. The Association rule mining identifies the useful associations or relationship among big set of data items. In this paper, we provide the important concepts of Association rule mining and existing algorithms and their effectiveness and drawbacks. The references provided in this paper covered the main theoretical issues and guiding the researcher in an interesting research directions that have yet to be discovered.

show abstract

Rapid association rule mining

Cited by 67 publications

References 7 publications

Profiling relational data: a survey

Profiling relational data: a survey

İş Sağlığı ve Güvenliğinde Risk Analizi ve Değerlendirmesi İçin Geliştirilmiş Bir Karar Destek Sistemi (Yapay Sinir Ağı)-Atatürk Üniversitesi Örneği

A Study on Milestones of Association Rule Mining Algorithms in Large Databases

Contact Info

Product

Resources

About