×
塞尔夫，洛伊奇;杰雷米·贝松;Nguyen、Kim-Ngan T。;Jean-François Boulicaut

元关系中的封闭和容错模式。 （英语） Zbl 1267.68176号

最小已知数据。迪斯科。 26，第3期，574-619（2013）.
摘要：二元关系挖掘已经被广泛研究。尽管如此，许多有趣的0/1数据自然以与（n geq 3）的元关系出现。一个及时的挑战是将局部模式提取（例如闭合模式挖掘）扩展到此类上下文。当考虑更高的算术时，微弱噪声越来越影响提取模式的质量。我们通过新的原语约束和设计有效的算法来提取每个解决方案模式，研究了容错模式的声明性规范。它利用最先进的Data-Peeler算法的枚举原理进行元关系挖掘。有效实施容错关键取决于增量计算数据部分信息的创新策略。我们的原型在合成数据集和实际数据集上进行了测试。即使在有噪声的三元或四元关系的情况下，例如在动态网络的模式发现上下文中，它也会返回相关的模式集合。

引用于4文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68瓦99 计算机科学中的算法
68米15 网络和计算机系统的可靠性、测试和容错

关键词：

布尔张量;多路集合;容错;交叉图拟液

软件：

木匠
PDF格式BibTeX公司 XML格式引用
\textit{L.Cerf}等人，《数据最小知识》。迪斯科。26，第3574-619号（2013年；兹bl 1267.68176）
全文： 内政部

参考文献：

[1] Avis D，Fukuda K（1996）《枚举的反向搜索》。离散应用数学65（1-3）：21–46·Zbl 0854.68070号 ·doi:10.1016/0166-218X（95）00026-N
[2] Bayardo RJ、Goethals B、Zaki MJ（eds）（2004）In:FIMI’04，IEEE ICDM频繁项集挖掘实施研讨会会议记录，英国布莱顿，2004年11月1日，CEUR研讨会会议记录第126卷，CEUR-WS.org
[3] Besson J，Robardet C，Boulicaut JF，Rome S（2005）基于约束的形式概念挖掘及其在微阵列数据分析中的应用。智能数据分析9（1）：59–82
[4] Besson J，Robardet C，Boulicaut JF（2006）挖掘一种新的容错模式类型作为形式概念发现的替代方案。In:ICCS’06：第14届概念结构国际会议记录，Springer，第144-157页·Zbl 1194.68219号
[5] Bonchi F，Lucchese C（2004）关于封闭约束频繁模式挖掘。In:ICDM’04：第四届IEEE数据挖掘国际会议论文集，IEEE计算机学会，第35-42页
[6] Bonchi F，Lucchese C（2005）在频繁模式挖掘中施加更严格的约束。摘自：PAKDD 05第九届亚太知识发现和数据挖掘会议记录。斯普林格，第114-124页
[7] Boulicaut JF，Bykowski A（2000）《频繁闭包作为二进制数据挖掘的简明表示》。收录于：PAKDD'00:第四届亚太知识发现和数据挖掘会议记录，Springer，第62-73页
[8] Calders T，Rigotti C，Boulicaut JF（2005）关于频繁集的凝聚表示的调查。In:Constraint-Based Mining and Inductive Databases，Springer，计算机科学课堂讲稿，第3848卷，第64-80页·Zbl 1172.68446号
[9] Cerf L，Besson J，Robardet C，Boulicaut JF（2009a）闭合模式满足n元关系。ACM变速器知识发现数据3（1）：1–36·数字对象标识代码：10.1145/1497577.1497580
[10] Cerf L，Mougel PN，Boulicaut JF（2009b）用ALPHA分层聚集局部模式。摘自：CIKM’09：第18届信息和知识管理国际会议记录，ACM出版社，第1753-1756页
[11] Cerf L，Nguyen TBN，Boulicaut JF（2009c）发现动态网络中的相关交叉图团。摘自：ISMIS’09：第18届智能系统方法学国际研讨会论文集，Springer，第513–522页
[12] Cerf L，Nguyen TBN，Boulicaut JF（2010）《动态网络中的约束交叉图团挖掘》。归纳数据库和基于约束的数据挖掘，Springer，199-228页·Zbl 1206.68267号
[13] Cheng H，Yu PS，Han J（2008）随机噪声下的近似频繁项集挖掘。收录：Maimon O，Rokach L（编辑）用于知识发现和数据挖掘的软计算。施普林格，第363–389页·Zbl 1140.68426号
[14] Gallo A，Bie TD，Cristianini N（2007）MINI:挖掘信息性非冗余项集。摘自：PKDD’07：第11届欧洲数据库知识发现原则与实践会议记录，Springer，第438–445页
[15] Gallo A、Mammone A、Bie TD、Turchi M、Cristianini N（2009）《从频繁项目集到信息模式》。技术代表123936，英国布里斯托尔大学
[16] Ganter，B，Stumme，G，Wille，R（eds）（2005）计算机科学中的形式概念分析，基础和应用，课堂讲稿。柏林施普林格
[17] Ganti V，Gehrke J，Ramakrishnan R（1999）CACTUS：使用摘要聚类分类数据。In:KDD’99：第五届SIGKDD知识发现和数据挖掘国际会议记录，ACM出版社，第73-83页
[18] Garriga GC、Kralj P、Lavrac N（2008）标记数据的闭集。J Mach学习研究9:559–580·Zbl 1225.68179号
[19] Georgii E，Tsuda K，Schölkopf B（2009）实值张量中的多向集枚举。在：DMMT’09：第二届ACM SIGKDD使用矩阵和张量进行数据挖掘研讨会论文集，ACM出版社，第32-41页
[20] Georgii E，Tsuda K，Schölkopf B（2011）权重张量中的多向集枚举。马赫学习82（2）：123–155·兹伯利1237.68144 ·doi:10.1007/s10994-010-5210-y
[21] Goethals B（2010）频繁集挖掘。收录：Maimon O，Rokach L（编辑）数据挖掘和知识发现手册。柏林施普林格，第321-338页
[22] Gupta R，Fang G，Field B，Steinbach M，Kumar V（2008）近似频繁模式挖掘算法的定量评估。收录于：KDD’08：第14届SIGKDD知识发现和数据挖掘国际会议论文集，ACM出版社，第301-309页
[23] Jaschke R，Hotho A，Schmitz C，Ganter B，Stumme G（2006）Trias：冰山三参数挖掘算法。In:ICDM’06：第六届IEEE数据挖掘国际会议论文集，IEEE计算机学会，第907–911页
[24] Ji L，Tan KL，Tung AKH（2006）挖掘三维数据集中的频繁闭合立方体。摘自：2006年VLDB：第32届超大数据库国际会议记录，VLDB捐赠，第811-822页
[25] 姜德培J（2009）挖掘频繁交叉图准流体。ACM变速器知识发现数据2（4）：1–42·数字对象标识代码：10.1145/1460797.1460799
[26] Koh JL，Yo PW（2005）基于位向量表示挖掘容错频繁模式的有效方法。收录：DASFAA’05：第十届高级应用数据库系统国际会议记录，Springer，第568–575页
[27] Liu J，Paulsen S，Sun X，Wang W，Nobel AB，Prins J（2006），噪声存在下的近似频繁项集挖掘：算法与分析。摘自：SDM’06：第六届SIAM国际数据挖掘会议记录，SIAM，第405-416页
[28] Pan F，Cong G，Tung AK，Yang J，Zaki MJ（2003）CARPENTER：在长生物数据集中寻找闭合模式。收录于：KDD'03：第九届ACM SIGKDD知识发现和数据挖掘国际会议记录，ACM出版社，第637-642页
[29] Pasquier N，Bastide Y，Taouil R，Lakhal L（1999）使用闭项集格高效挖掘关联规则。信息系统24（1）：25–46·Zbl 0983.68511号 ·doi:10.1016/S0306-4379（99）00003-4
[30] Pei J，Tung AKH，Han J（2001）容错频繁模式挖掘：问题与挑战。摘自：DMKD'01:ACM SIGMOD第六届数据挖掘和知识发现研究问题研讨会会议记录，ACM出版社
[31] Poernomo AK，Gopalkrishnan V（2007）挖掘事务数据库中频繁容错模式的统计信息。在：ICDM’07：第七届IEEE国际数据挖掘会议论文集，IEEE计算机学会，第272–281页
[32] Poernomo AK，Gopalkrishnan V（2009a）挖掘感兴趣项集的部分支持的高效计算。摘自：SDM’09：第九届SIAM国际数据挖掘会议记录，SIAM，第1014–1025页
[33] Poernomo AK，Gopalkrishnan V（2009b），面向比例容错频繁项集的高效挖掘。收录：KDD’09：第15届ACM SIGKDD知识发现和数据挖掘国际会议记录，ACM出版社，第697–706页
[34] Seppänen JK，Mannila H（2004）《密集项目集》。In:KDD’04：第十届ACM SIGKDD知识发现和数据挖掘国际会议论文集，ACM出版社，第683–688页
[35] Sim K，Liu G，Gopalkrishnan V，Li J（2011）《通过交叉图准现金的财务比率案例研究》。《信息科学》181:201–216
[36] Stumme G，Taouil R，Bastide Y，Pasquier N，Lakhal L（2002）用泰坦尼克计算冰山概念格。数据知识工程42（2）：189–222·兹比尔0996.68046 ·doi:10.1016/S0169-023X（02）00057-5
[37] Uno T（2007）枚举伪团的有效算法。摘自：ISAAC’07：第18届国际算法与计算研讨会论文集，Springer，402-414页·Zbl 1193.05155号
[38] Yang C，Fayyad U，Bradley PS（2000）高效发现高维容错频繁项集。技术代表2000-20，Microsoft Research，Microsoft Corporation，One Microsoft Way，Redmond，WA 98052
[39] Zaki MJ（2004）挖掘非冗余关联规则。数据最小知识发现9（3）：223–248·doi:10.1023/B:DAMI.0000040429.96086.c7
[40] Zaki MJ，Peters M，Assent I，Seidl T（2007）Clicks:一种在分类数据集中挖掘子空间簇的有效算法。数据知识工程60（1）：51–70·doi:10.1016/j.datak.2006.01.005
[41] Zeng Z，Wang J，Zhou L，Karypis G（2007）从大型稠密图形数据库中进行核外相干闭合准液化挖掘。ACM Trans数据库系统32（2）：13–42·doi:10.1145/1242524.1242530
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。