การค้นหารูปแบบปรากฏบ่อยเคอันดับแรกและปรากฏอย่างสม่ำเสมอจากข้อมูลกระแสด้วยเทคนิคการเลื่อนหน้าต่าง

ธาชินี มีเสมา

dc.contributor.advisor	โกเมศ อัมพวัน
dc.contributor.author	ธาชินี มีเสมา
dc.contributor.other	มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ
dc.date.accessioned	2023-05-12T06:08:00Z
dc.date.available	2023-05-12T06:08:00Z
dc.date.issued	2561
dc.identifier.uri	https://buuir.buu.ac.th/xmlui/handle/1234567890/7815
dc.description	วิทยานิพนธ์ (วท.ม.)--มหาวิทยาลัยบูรพา, 2561
dc.description.abstract	การค้นหารูปแบบที่ปรากฏบ่อยและปรากฏอย่างสม่ำเสมอได้รับความสนใจอย่างมากและถูกนำมาประยุกต์ใช้ในงานด้านต่าง ๆ อาทิเช่น งานด้านวิทยาศาสตร์ ด้านการแพทย์ ด้านการทำธุรกรรมต่าง ๆ เป็นต้น การค้นหารูปแบบที่ปรากฏบ่อยและปรากฏอย่างสม่ำเสมอภายใต้กรอบการพิจารณา ความสำคัญของความถี่/ความบ่อย และความสม่ำเสมอของการปรากฏซ้ำ ซึ่งการกำหนดค่าขีดแบ่งสนับสนุนที่เหมาะสมและความสม่ำเสมอ เพื่อวัดความน่าสนใจของเซตรายการนั้นสามารถทำได้ยาก ซึ่งอาจส่งผลให้ไม่มีผลลัพธ์ที่เพียงพอต่อความต้องการซึ่งทำให้ผลลัพธ์ที่ได้ไม่มีประโยชน์ต่อการนำข้อมูลไปใช้การวิเคราะห์ นอกจากนี้ยังมีการค้นหารูปแบบที่น่าสนใจจากฐานข้อมูลกระแสที่มีการไหลเวียนของข้อมูลอย่างต่อเนื่อง เพื่อประยุกต์ใช้กับธุรกิจที่มีการเพิ่มขึ้นของทรานแซกชั่นเป็นจำนวนมาก อาทิเช่น ข้อมูลการใช้บริการอินเทอร์เน็ต ข้อมูลหุ้น บริการที่ลูกค้าใช้บริการบ่อยในช่วงเวลาหนึ่ง ๆ จึงได้มีการคิดค้นการค้นหารูปแบบที่ปรากฏบ่อยสุดเคอันดับแรกและปรากฏอย่างสม่ำเสมอ จากฐานข้อมูลกระแส โดยการใช้เทคนิคการเลื่อนหน้าต่างในการพิจารณาเหตุการณ์ที่เกิดขึ้นล่าสุด ซึ่งถือได้ว่ามีความสำคัญมากกว่าเหตุการณ์ที่เกิดก่อนหน้านี้ขั้นตอนวิธีที่นำเสนอเรียกว่า TFRIM-DS (Top-k frequent-regular itemsets from data streams) ซึ่งจะได้ผลลัพธ์ของเซตรายการที่ปรากฏสมำเสมอและมีค่าสนับสนุนสูงสุดเคอันดับแรกในหน้าต่างการพิจารณาในปัจุบัน นอกจากนี้ยังมีการใช้บิตเวกเตอร์ที่ออกแบบมาเพื่อใช้ในการจัดเก็บเซตรายการ และนำบิตเวกเตอร์มาใช้ซ้ำเมื่อมีการเปลี่ยนแปลงของหน้าต่างการพิจารณาในการทดลองจะแสดงให้เห็นถึงประสิทธิภาพของขั้นตอนวิธี TFRIM-DS เพื่อใช้สำหรับค้นหารูปแบบที่ปรากฏบ่อยเคอันดับแรกและปรากฏอย่างสมำเสมอจากฐานข้อมูลกระแสด้วยเทคนิคการเลื่อนหน้าต่าง
dc.language.iso	th
dc.publisher	คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา
dc.rights	มหาวิทยาลัยบูรพา
dc.subject	ข้อมูล -- การวิเคราะห์
dc.subject	มหาวิทยาลัยบูรพา -- สาขาวิชาเทคโนโลยีสารสนเทศ
dc.subject	ฐานข้อมูล
dc.title	การค้นหารูปแบบปรากฏบ่อยเคอันดับแรกและปรากฏอย่างสม่ำเสมอจากข้อมูลกระแสด้วยเทคนิคการเลื่อนหน้าต่าง
dc.title.alternative	Mining top-k frequent-regulr itemsets from dt strems bsed on sliding window technique.
dc.type	วิทยานิพนธ์/ Thesis
dc.description.abstractalternative	Frequent-regular itemset mining has achieved a great attention and applied in several applications. In this framework, an itemset that frequently and regularly occurs in a database is identified as interesting. However, without prior knowledge, the setting appropriate support and regularity thresholds to measure interestingness of itemsets is quite difficult. This may lead to none, only few or overwhelm of generated results causing users cannot further take advantages from these itemsets. In addition, mining interesting itemsets over data streams is a challenging task on various domains. Therefore, to cope with these issues, we here propose an approach to mine top-k frequent-regular itemsets over data streams.To mine such itemsets, the concept of sliding window is applied in which recent occurrences are considered to be more important than the former occurrences. An efficient single- pass algorithm, called “TFRIM-DS” is also introduced to mine a set of k itemsets that regularly occur and have highest support in the current considered window. In addition, a bit-vector with a reuse technique is applied and designed to efficiently maintain occurrence information of each itemset. Experiments were conducted and showed efficiency of our proposed TFRIM-DS to mine top-k frequent-regular itemsets over sliding window of data streams.
dc.degree.level	ปริญญาโท
dc.degree.discipline	เทคโนโลยีสารสนเทศ
dc.degree.name	วิทยาศาสตรมหาบัณฑิต
dc.degree.grantor	มหาวิทยาลัยบูรพา