論文の概要: TargetUM: Targeted High-Utility Itemset Querying
- arxiv url: http://arxiv.org/abs/2111.00309v1
- Date: Sat, 30 Oct 2021 18:55:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-02 16:18:00.363138
- Title: TargetUM: Targeted High-Utility Itemset Querying
- Title(参考訳): targetum: ターゲットとする高可用性アイテムセットクエリ
- Authors: Jinbao Miao, Shicheng Wan, Wensheng Gan, Jiayi Sun, and Jiahui Chen
- Abstract要約: 本論文は,ターゲットベースHUIM問題を初めて提案し,目的とするユーティリティマイニングタスクの明確な定式化を提供する。
木をベースとしたTarget-based high-Utility iteMset querying using (TargetUM)を提案する。
このアルゴリズムは、レキソグラフィークエリツリーと3つの効果的なプルーニング戦略を用いて、鉱業効率を向上する。
- 参考スコア(独自算出の注目度): 1.022709144903362
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional high-utility itemset mining (HUIM) aims to determine all
high-utility itemsets (HUIs) that satisfy the minimum utility threshold
(\textit{minUtil}) in transaction databases. However, in most applications, not
all HUIs are interesting because only specific parts are required. Thus,
targeted mining based on user preferences is more important than traditional
mining tasks. This paper is the first to propose a target-based HUIM problem
and to provide a clear formulation of the targeted utility mining task in a
quantitative transaction database. A tree-based algorithm known as Target-based
high-Utility iteMset querying using (TargetUM) is proposed. The algorithm uses
a lexicographic querying tree and three effective pruning strategies to improve
the mining efficiency. We implemented experimental validation on several real
and synthetic databases, and the results demonstrate that the performance of
\textbf{TargetUM} is satisfactory, complete, and correct. Finally, owing to the
lexicographic querying tree, the database no longer needs to be scanned
repeatedly for multiple queries.
- Abstract(参考訳): 従来の高ユーティリティアイテムセットマイニング(HUIM)は、トランザクションデータベースにおける最小ユーティリティしきい値(\textit{minUtil})を満たすすべての高ユーティリティアイテムセット(HUI)を決定することを目的としています。
しかし、ほとんどのアプリケーションでは、特定の部分だけを必要とするため、すべてのHUIが興味深いわけではない。
したがって, 従来の鉱業課題よりも, 利用者の嗜好に基づく対象鉱業が重要である。
本論文は,ターゲットベースHUIM問題を初めて提案し,定量トランザクションデータベースにおいて,対象とするユーティリティマイニングタスクの明確な定式化を提供する。
木をベースとしたTarget-based high-Utility iteMset querying using (TargetUM)。
このアルゴリズムは、レキソグラフィークエリツリーと3つの効果的なプルーニング戦略を用いて、鉱業効率を向上する。
いくつかの実および合成データベースで実験的検証を実施し,その性能が満足でき,完全かつ正確であることを実証した。
最後に、辞書クエリツリーのため、データベースを複数のクエリに対して繰り返しスキャンする必要がなくなった。
関連論文リスト
- Don't Get Lost in the Trees: Streamlining LLM Reasoning by Overcoming Tree Search Exploration Pitfalls [83.89771461061903]
検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。
検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。
意味論的に等価なコンテンツを持つ冗長な状態による$textitover-Exploration$と、検証器のスコアリングにおける高いばらつきに起因する$textitunder-Exploration$である。
各種木探索アルゴリズムに適合するフレキシブルなプラグアンドプレイシステムであるFETCHを提案する。
論文 参考訳(メタデータ) (2025-02-16T16:12:01Z) - LiteSearch: Efficacious Tree Search for LLM [70.29796112457662]
本研究では,動的ノード選択とノードレベルの探索予算を備えた新しいガイド付き木探索アルゴリズムを提案する。
GSM8KおよびTabMWPデータセットを用いて行った実験により,本手法はベースライン法に比べて計算コストが大幅に低いことを示した。
論文 参考訳(メタデータ) (2024-06-29T05:14:04Z) - Autonomous Tree-search Ability of Large Language Models [58.68735916408101]
大規模言語モデルは、高度なプロンプト技術で顕著な推論能力に優れています。
近年の研究では、LLMがより困難な推論タスクを解くために受動的木探索を行えるように、検索ロジックを定義するために外部プログラムを活用することが提案されている。
我々は,LLMの自律木探索能力という新しい概念を提案し,正しい解を求める探索軌跡を含む応答を自動生成する。
論文 参考訳(メタデータ) (2023-10-14T14:14:38Z) - Evaluating Embedding APIs for Information Retrieval [51.24236853841468]
ドメインの一般化と多言語検索における既存のセマンティック埋め込みAPIの機能を評価する。
BM25の結果をAPIを使って再ランク付けすることは、予算に優しいアプローチであり、英語でもっとも効果的である。
非英語検索では、再ランク付けは結果を改善するが、BM25のハイブリッドモデルは高いコストで機能する。
論文 参考訳(メタデータ) (2023-05-10T16:40:52Z) - Towards Sequence Utility Maximization under Utility Occupancy Measure [53.234101208024335]
データベースでは、ユーティリティは各パターンに対して柔軟な基準であるが、ユーティリティ共有を無視するため、より絶対的な基準である。
まず、まず、シーケンスデータに対するユーティリティの占有を定義し、高ユーティリティ・アクシデント・パターンマイニングの問題を提起する。
SuMU(Sequence Utility Maximization with Utility cccupancy measure)と呼ばれるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-12-20T17:28:53Z) - A Generic Algorithm for Top-K On-Shelf Utility Mining [47.729883172648876]
オンシェルフユーティリティマイニング(OSUM)は、データマイニングにおける新たな研究方向である。
販売期間中に高い相対効用を有するアイテムセットを発見することを目的としている。
オンシェルフ高ユーティリティアイテムセットの適切な量をマイニングするための最小限の閾値ミニユーティリティを定義するのは難しい。
そこで我々はTop-k On-Shelf hIgh-utility patternsをマイニングするための汎用アルゴリズムTOITを提案する。
論文 参考訳(メタデータ) (2022-08-27T03:08:00Z) - Itemset Utility Maximization with Correlation Measure [8.581840054840335]
高ユーティリティアイテムセットマイニング(HUIM)は、興味深いが隠された情報(例えば、利益とリスク)を見つけるために使用される。
本稿では,Coium(Coium)を用いたアイテムセット実用性最大化という新しいアルゴリズムを提案する。
2つの上界と4つのプルーニング戦略を用いて探索空間を効果的にプルークする。また、適用された上界を線形時間と空間で計算・保存するために、ユーティリティービンと呼ばれる簡潔なアレイ構造を用いる。
論文 参考訳(メタデータ) (2022-08-26T10:06:24Z) - Towards Target High-Utility Itemsets [2.824395407508717]
応用インテリジェンスでは、ユーティリティ駆動型パターン探索アルゴリズムは、データベースの洞察力と有用なパターンを識別することができる。
重要な研究課題として、ターゲットとした高ユーティリティアイテムセットマイニングが登場している。
本稿では,マイニングプロセス中に高ユーティリティなアイテムセットを迅速にマッチングしてターゲットパターンを選択することができるTHUIMを提案する。
論文 参考訳(メタデータ) (2022-06-09T18:42:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。