Parallel association rule mining on semantic and big IoT data
Semantik ve büyük IoT verisi üzerinde paralel birliktelik kuralı madenciliği
- Tez No: 517892
- Danışmanlar: PROF. DR. ERDOĞAN DOĞDU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Birliktelik kuralı madenciliği, ölçeklenebilir birliktelik kuralı madenciliği, semantik veri, RDF, IoT, makina öğrenmesi, MapReduce, Association rule mining, Scalable association rule mining, Semantic data, RDF, IoT, Machine learning, MapReduce
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 134
Özet
Birliktelik Kuralı Madenciliği (ARM) önemli bir makine öğrenme tekniğidir çünkü büyük veri kümelerindeki veri ögeleri arasında ilişkileri bulabilir. Farklı birliktelik kuralı algoritmaları, tüm ögelerin“satın alma”gibi benzersiz bir ilişkiye sahip olduğu geleneksel işlem veri kümelerinde birçok araştırmacı tarafından incelenmiştir. Son yıllarda araştırmacılar, geleneksel veriler yerine, anlamsal çizgelerden (RDF veri kümeleri gibi) birliktelik kurallarının çıkarılmasına artan bir ilgi göstermektedirler. Öte yandan, Nesnelerin İnterneti (IoT) alanında ve birçok farklı alanda, semantik veriler günlük olarak büyük miktarlarda artmaktadır. Bu nedenle, akıllı çözümler için IoT verilerini kullanmak üzere ölçeklenebilir çözümlere ihtiyacımız var. Bu tez çalışmasında, hava durumu, trafik ve tıp gibi farklı alanlardan birçok farklı sematik IoT veri kümesinde paralelleştirilmiş FP-büyüme algoritmasının kullanımını inceledik. Sonuçlar, semantik ARM algoritmalarının ölçeklenebilir uygulamasının semantik birliktelik kurallarını çok daha hızlı bulduğunu göstermektedir.
Özet (Çeviri)
Association Rule Mining (ARM) is an important machine learning technique because it can find associations or relationships between data items in large datasets. Different association rule algorithms have been studied by many researchers in traditional transactional data sets in which, all items have a unique relationship such as, 'buy'. In recent years, researchers have shown an increased interest in extracting association rules from semantic graphs (such as RDF datasets) instead of traditional data. On the other hand, in the field of the Internet of Things (IoT) and in many different domains, semantic data is daily increasing in large volumes. Therefore, we need scalable solutions to utilize IoT data for intelligent solutions. In this thesis, we studied the utilization of parallelized FP-growth algorithm on several different sematic IoT datasets from different domains, such as weather, traffic, and medicine. The results show that the scalable execution of semantic ARM algorithms produces the semantic association rules much faster.
Benzer Tezler
- Zeki öğretim sistemlerinde veri madenciliği kullanılması
Using data mining on intelligent tutoring systems
BUKET DOĞAN
Doktora
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF.DR. YILMAZ ÇAMURCU
- Efficient parallel frequency mining based on a novel top-down partitioning scheme for transactional data
Yeni bir işlem verisi parçalama şeması tabanlı etkin paralel frekans tarama
ERAY ÖZKURAL
Yüksek Lisans
İngilizce
2002
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEVDET AYKANAT
- Parallel CLOSET+ algorithm for finding frequent closed itemsets
Koşut CLOSET+ algoritması ile sık kapalı nesne kümelerinin bulunması
TAYFUN ŞEN
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. CEVAT ŞENER
PROF. DR. İSMAİL HAKKI TOROSLU
- Development of a system for smart TV viewers using data mining techniques
Akıllı TV izleyicileri için veri madenciliği teknikleri kullanılarak sistem geliştirilmesi
SEDAT MARANGOZ
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DERYA BİRANT
- Metin madenciliği yöntemiyle Türkçe'de en sık kullanılan ve birbirini takip eden harflerin analizi ve birliktelik kuralları
By the method of text mining, analize of most frequently used and successive words in Turkish and cooccurence rules
EMİNE KÜBRA ÇELİKYAY
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiMatematik Bilgisayar Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN SİLAHTAROĞLU