Mining Negative Association Rules Without Domain Taxonomy
Alan Taksonomisi Olmadan Negatif İlişkilendirme Kuralları Madenciliği
- Tez No: 728415
- Danışmanlar: YRD. DOÇ. DR. SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgi ve Belge Yönetimi, Information and Records Management
- Anahtar Kelimeler: Dabrowski Pozitif Çözülme Kuramı, Madencilik sektörü, Makine girişim problemi, Negatif gelir vergisi, Teklifi hüküm, Veri analizi, Öğrenme algoritmaları, İlişki ölçüleri, Dabrowski Positive Resolution Theory, Mining sector, Machine interference problem, Negative income tax, Rules of responsibility, Data analysis, Learning algorithms, Association measures
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Madencilik kuralları, tıbbi, finansal ve özellikle pazar-sepet analizi gibi farklı uygulamalarda yaygın olarak kullanılan denetimsiz veri madenciliği tekniklerinden biridir. Kurallar, her bir birliktelik kuralının ilişkiyi tanımlayan bir öncülü ve sonucu olduğu bir öğenin veya öğe kümesinin bir başkası üzerindeki etkisini tanımlar. Bu etki uyarıcı veya engelleyici olabileceğinden, bu etkileri tanımlamak için iki tür ilişkilendirme kuralı kullanılabilir. Pozitif ilişkilendirme kuralları, önceki öğenin varlığının, sonuçtaki öğeyi bulma olasılığını artırdığı uyarıcı etkiyi gösterir. Negatif ilişkilendirme kuralları, öncül maddenin varlığının öncülü bulma olasılığını azalttığında veya önceki maddenin yokluğunda, onun sonucunu bulma olasılığını arttırdığı inhibitör etkisini tanımlar. Pozitif ilişkilendirme kuralları madenciliği için aday olarak daha büyük öğe kümelerini budayarak ve İşlem veri kümesindeki öğelerin desteğini ölçerek pozitif ilişkilendirme kurallarını madenciliği için farklı yöntemler önerilmiştir. Pozitif ilişkilendirme kuralları daha sonra bu adaylardan çıkarılır ve sonuçları çıkarmadan önce çıkarılan ilişkilendirme kurallarının minimum destek ve güven değerleri ile tanımlanan bir çıkarma ölçütünden geçirilir. Ancak, negatif ilişkilendirme kuralları madenciliği için bu tür bir yaklaşımın uygulanması, yüksek destek ve güven değerleri olan, ancak ilişkisiz öğeler veya öğe setleri arasında kurallar üretebilir. Bu davranış, ilişkilendirme kurallarındaki maddelerin birbirleriyle ilişkili olmadığı ve normal olarak birlikte satın alınmadığı ilginç olmayan kuralların çıkarılması olarak bilinir. Bu nedenle, mevcut negatif ilişkilendirme kuralları madenciliği teknikleri, bu alandaki bir uzman tarafından sağlanan etki alanının taksonomisinin tanımlanmasını gerektirir; böylece negatif ilişkilendirme kuralları, ilginç olmayan kuralların çıkarılmasını önlemek için yalnızca ilişkili öğeler arasında araştırılır. Denetimsiz negatif ilişkilendirme kuralları madenciliği tekniğine ilave girdi gerekliliğine ek olarak, Sağlanan taksonomiye güvenmek, müşteri davranışları tarafından tanımlanan gerçek ilişkiler yerine, taksonomi alanına göre uzmanlar tarafından sağlanan bilgilerle çıkarılan negatif ilişkilendirme kurallarını sınırlar. Bu nedenle, bu çalışmada, çıkarılan pozitif ilişkilendirme kurallarına dayanan işlem veri setinde öğeler ile öğe kümeleri arasındaki ilişkileri ayıran yeni bir negatif ilişkilendirme kuralları madenciliği tekniği önerilmiştir. Negatif ilişkilendirme kuralları araştırması için aday çiftleri çıkarmak üzere, diğer öğeler yoluyla birbirleriyle ilgili öğeler bir kümede gruplanır. Daha sonra, her bir çiftten çıkarılan kuralların güvenirliği, çıkarılan kurallardan çıktı almak için minimum destek ve güven değerleri ile karşılaştırılır. İlişkili olan maksimum öğe sayısı için farklı değerler, pozitif ilişkilendirme kurallarından diğerine bir öğe veya öğe kümesi ile ilişkilidir. Mümkün olan en fazla bağlantı olarak bağlantı başına üç öğenin kullanılması, bu sayının azaltılmasının çıkarılan kuralların sayısını önemli ölçüde azalttığı, ancak artırıldığı zaman çıkarılmış kuralların sayısını artıran dengeli arama ve kullanım göstermiştir. Bağlantı başına maksimum üç öğe kullanan çıkarılan kurallar, ortalama% 70.41 güvene ve ortalama 3.97 yükseltmeye sahiptir. Ayrıca, önerilen yöntemi değerlendirmek için yapılan deneylerin sonuçları, pozitif ilişkilendirme kurallarındaki öğeler arasındaki bağlantının uzunluğunun arttırılmasının ilginç negatif ilişkilendirme kuralları oluşturmadığını göstermektedir. Ancak, oluşturulan kümeler ilgili öğelere doygun hale geldikçe, onlardan önemli bir bilgi elde edilemez.
Özet (Çeviri)
Mining association rules of one the widely used types of unsupervised data mining techniques in different applications, such as medical, financial and especially market-basket analysis. The rules define the influence of the existence of one item, or itemset, on another, where each association rule has an antecedent and consequent that define the relation. As such influence can be either excitatory or inhibitory, two types of association rules can be used to define these influences. Positive association rules indicate excitatory influence, where the existence of the antecedent item increases the probability of finding the consequent item. Negative association rules define the inhibitory influence, where the existence of the antecedent item reduces the probability of finding the antecedent, or the absence of the antecedent increase the probability of finding he consequent. Different methods are proposed to mine positive association rules, by measuring the support of the items in the transaction dataset and prune larger itemsets as candidates for positive association rules mining. Positive association rules are then extracted from these candidates and passed through an exclusion criterion, defined by the minimum support and confidence values of the extracted association rules, before outputting the results. However, applying such approach for negative association rules mining can produce rules with high support and confidence values but between unrelated items, or itemsets. Such behavior is known as the extraction of uninteresting rules, where the items in the association rules are not related to each other and normally not purchased together. Thus, the existing negative association rules mining techniques require the definition of the domain's taxonomy, provided by an expert in that domain, so that, negative association rules are investigated between related items only, to avoid the extraction of uninteresting rules. In addition to the requirement of extra input to the unsupervised negative association rules mining technique, the reliance on the provided taxonomy restricts the extracted negative association rules to the knowledge provided by the expert through the domain's taxonomy, instead of the actual relations defined by the customers behavior. Thus, in this study, a novel negative association rules mining technique is proposed, which extracts the relations among the items, and itemsets, in the transactions dataset based on the extracted positive association rules. Items that are related to each other through other items are grouped in a cluster to extract the candidate pairs for negative association rules investigation. Then, the confidence of the rules extracted from each pair is compared to the minimum support and confidence values, in order to output the extracted rules. Different values for the maximum number of items in the connection that relate an item, or itemset, to another from the positive association rules. The use of three items per connection as the maximum possible connection has shown balanced exploration and exploitation, where reducing this number reduces the number of extracted rules significantly, while increasing it marginally increases the number of extracted rules. The extracted rules using a maximum of three items per connection have an average confidence of 70.41% and an average lift of 3.97. Moreover, the results of the experiments conducted to evaluate the proposed method show that increasing the length of the connection among items in the positive association rules does not produce uninteresting negative association rules. However, as the created clusters become saturated with related items, no significant knowledge can be extracted from them.
Benzer Tezler
- Gözetimsiz makine öğrenim teknikleri ile miktara dayalı negatif birliktelik kural madenciliği
Quantity-based negative association rule mining using unsupervised machine learning techniques
ZAHRAA MOHAMMED MALIK MALIK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TANSEL DÖKEROĞLU
- Türkiye'de altın borsası
Başlık çevirisi yok
A. ORHAN KESKİN
Yüksek Lisans
Türkçe
1998
İşletmeİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. MEHMET BOLAK
- Para piyasasında banka dışı mali kesimde finansal farklılaşma: Factoring, forfaiting, leasing ve özel finans kurumları
Başlık çevirisi yok
MÜGEHAN ACARASLAN
- Positive and negative association rule mining on XML data stream in database as a service concept
XML veri katarlarında pozitif ve negatif birliktelik kurallarının çıkarımı
SAMET ÇOKPINAR
Yüksek Lisans
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TAFLAN İMRE GÜNDEM
- Veri madenciliği yaklaşımı kullanılarak internet erişimli televizyon kullanıcı verilerinin analizi
Analysis of internet access television user data by using data mining approach
TEVFİK ÖRKÜN
Doktora
Türkçe
2022
Mühendislik Bilimleriİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. HULUSİ GÜLSEÇEN