論文の概要: Towards Target Sequential Rules
- arxiv url: http://arxiv.org/abs/2206.04728v1
- Date: Thu, 9 Jun 2022 18:59:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-13 15:00:43.470056
- Title: Towards Target Sequential Rules
- Title（参考訳）: シークエンシャルルールのターゲットに向けて
- Authors: Wensheng Gan, Gengsen Huang, Jian Weng, Tianlong Gu, and Philip S. Yu
- Abstract要約: ターゲット・シーケンシャル・ルール・マイニング(TaSRM)と呼ばれる効率的なアルゴリズムを提案する。
新たなアルゴリズムであるTaSRMとその変種は,既存のベースラインアルゴリズムと比較して実験性能がよいことを示す。
- 参考スコア（独自算出の注目度）: 52.4562332499155
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In many real-world applications, sequential rule mining (SRM) can provide
prediction and recommendation functions for a variety of services. It is an
important technique of pattern mining to discover all valuable rules that
belong to high-frequency and high-confidence sequential rules. Although several
algorithms of SRM are proposed to solve various practical problems, there are
no studies on target sequential rules. Targeted sequential rule mining aims at
mining the interesting sequential rules that users focus on, thus avoiding the
generation of other invalid and unnecessary rules. This approach can further
improve the efficiency of users in analyzing rules and reduce the consumption
of data resources. In this paper, we provide the relevant definitions of target
sequential rule and formulate the problem of targeted sequential rule mining.
Furthermore, we propose an efficient algorithm, called targeted sequential rule
mining (TaSRM). Several pruning strategies and an optimization are introduced
to improve the efficiency of TaSRM. Finally, a large number of experiments are
conducted on different benchmarks, and we analyze the results in terms of their
running time, memory consumption, and scalability, as well as query cases with
different query rules. It is shown that the novel algorithm TaSRM and its
variants can achieve better experimental performance compared to the existing
baseline algorithm.
- Abstract（参考訳）: 多くの実世界のアプリケーションでは、シーケンシャルルールマイニング(srm)は様々なサービスに対して予測と推奨機能を提供する。
高周波および高信頼なシーケンシャルルールに属するすべての貴重なルールを発見するためのパターンマイニングの重要な手法である。
様々な実用的問題を解決するためにsrmのいくつかのアルゴリズムが提案されているが、目的とする逐次ルールの研究は行われていない。
ターゲットとする逐次ルールマイニングは、ユーザが注目する興味深い逐次ルールをマイニングすることを目的としている。
このアプローチは、ルールの分析におけるユーザの効率をさらに改善し、データリソースの消費を減らす。
本稿では,対象とするシーケンシャルルールの関連する定義を提供し,ターゲットとするシーケンシャルルールマイニングの問題を定式化する。
さらに,逐次ルールマイニング(tasrm)と呼ばれる効率的なアルゴリズムを提案する。
いくつかのプルーニング戦略と最適化を導入し、TaSRMの効率を改善する。
最後に,さまざまなベンチマークで多数の実験を行い,実行時間,メモリ使用量,スケーラビリティ,クエリルールの異なるクエリケースなどの観点から結果を分析する。
新たなアルゴリズムであるTaSRMとその変種は,既存のベースラインアルゴリズムと比較して実験性能がよいことを示す。
関連論文リスト
- Last-Iterate Global Convergence of Policy Gradients for Constrained Reinforcement Learning [62.81324245896717]
我々はC-PGと呼ばれる探索非依存のアルゴリズムを導入し、このアルゴリズムは(弱)勾配支配仮定の下でのグローバルな最終点収束を保証する。
制約付き制御問題に対して,我々のアルゴリズムを数値的に検証し,それらを最先端のベースラインと比較する。
論文 参考訳（メタデータ） (2024-07-15T14:54:57Z) - Iteratively Refined Behavior Regularization for Offline Reinforcement
Learning [57.10922880400715]
本稿では,保守的政策反復に基づく行動規則化を大幅に強化する新しいアルゴリズムを提案する。
行動規則化に使用される基準ポリシーを反復的に洗練することにより、保守的な政策更新は徐々に改善される。
D4RLベンチマークの実験結果から,本手法は従来のタスクのベースラインよりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2023-06-09T07:46:24Z) - Association Rules Mining with Auto-Encoders [5.175050215292647]
ARM-AEと呼ばれるマイニングアソシエーションルールに対するオートエンコーダソリューションを提案する。
提案アルゴリズムは,高いサポートと信頼性のルールセットを発見し,従来の手法よりも優れた実行時間を有する。
論文 参考訳（メタデータ） (2023-04-26T17:55:44Z) - Cambrian Explosion Algorithm for Multi-Objective Association Rules
Mining [5.175050215292647]
アソシエーション・ルール・マイニング(Association Rule mining)は、データマイニングの分野で最も研究されている分野の一つである。
関連ルールマイニング問題における最先端のメタヒューリスティックスの性能の比較を行った。
本研究では,大規模データセットからルールを効率的に抽出するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-11-23T08:34:05Z) - Towards Correlated Sequential Rules [4.743965372344134]
高実用性シーケンシャルルールマイニング(HUSRM)は、結果のシーケンシャルパターンの発生を予測できる信頼度や確率を調査するために設計された。
HUSRMと呼ばれる既存のアルゴリズムは、生成されたシーケンシャルルール間の相関を無視しながら、すべての許容ルールを抽出することに制限されている。
本稿では,HUSRMに相関の概念を統合するために,CoUSR(Cocorlation High-utility Sequence Rule Minr)と呼ばれる新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-10-27T17:27:23Z) - Totally-ordered Sequential Rules for Utility Maximization [49.57003933142011]
提案するアルゴリズムはTotalSRとTotalSR+である。
TotalSRは、先行するサポートを効率的に計算できるユーティリティテーブルと、残りのユーティリティをシーケンスのO(1)時間で計算できるユーティリティプレフィックスの和リストを作成する。
実データと合成データの両方において、TotalSRはプルーニング戦略の少ないアルゴリズムよりもはるかに効率的であることを示す実験結果が多数存在する。
論文 参考訳（メタデータ） (2022-09-27T16:17:58Z) - TaSPM: Targeted Sequential Pattern Mining [53.234101208024335]
本稿では,高速CM-SPAMアルゴリズムに基づく汎用フレームワークTaSPMを提案する。
また,マイニングプロセスにおける無意味な操作を減らすために,いくつかのプルーニング戦略を提案する。
実験の結果,新たなターゲットマイニングアルゴリズムであるTaSPMは実行時間を短縮し,メモリ消費を低減できることがわかった。
論文 参考訳（メタデータ） (2022-02-26T17:49:47Z) - US-Rule: Discovering Utility-driven Sequential Rules [52.68017415747925]
我々は,高ユーティリティシーケンシャルルールを効率的にマイニングする,US-Ruleと呼ばれる高速アルゴリズムを提案する。
より厳密な上界(LEEU, REEU, LERSU, RERSU)とそれに対応する刈り取り戦略を提案する。
US-Ruleは実行時間、メモリ消費、スケーラビリティの点でパフォーマンスが向上する。
論文 参考訳（メタデータ） (2021-11-29T23:38:28Z)
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。