اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدتحسين فعالية خوارزمية الأسبقية بتخفيض توليد مجموعات بنود البيانات المُرشحة
Improving Efficiency Apriori Algorithm by Reduction of candidate itemsets
2719
3 100
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
قواعد الارتباط هي حقل هام في التنقيب عن البيانات، و الذي يُستخدم لاكتشاف معرفة مفيدة من قواعد بيانات ضخمة. و تُستخدم قواعد الارتباط لاستخلاص معلومات من صفقات قواعد البيانات. و خوارزمية الأسبقية هي التطبيق العملي لقواعد الارتباط، و بدورها تُستخدم لإيجاد مجموعات من البيانات المتكررة في صفقات قواعد البيانات. نقدّم في هذا البحث تحسيناً جديداً لخوارزمية الأسبقية بتخفيض توليد مجموعات بنود البيانات المُرشّحة مما يؤدي إلى زيادة فعّالية خوارزمية الأسبقية.
Association Rules is an important field in Data Mining, which is used to discover useful knowledge from a massive databases. Association Rules have been used to extract the information from the database transactions, and Apriori Algorithm is a practical application for Association Rules and it is used to find frequent itemsets from database transactions. In this paper, we present a new improving on Apriori Algorithm by reduction generating of candidate itemsets and this leads to improving efficiency Apriori Algorithm.
مراجعة الذكاء الصنعي:
ملخص البحث
تتناول هذه الورقة البحثية تحسين خوارزمية الأسبقية المستخدمة في التنقيب عن البيانات، بهدف زيادة فعاليتها من خلال تقليل توليد مجموعات بنود البيانات المُرشّحة. تُعتبر قواعد الارتباط أداة هامة لاستخلاص المعرفة من قواعد البيانات الضخمة، وتُستخدم خوارزمية الأسبقية لاكتشاف مجموعات البيانات المتكررة في هذه القواعد. يهدف البحث إلى تقديم تحسين جديد للخوارزمية من خلال تقليل عدد مجموعات بنود البيانات المُرشّحة، مما يؤدي إلى زيادة سرعة الأداء وتقليل الزمن المستهلك. تم بناء برنامج بسيط يعتمد على الخوارزمية المُحسّنة للتنبؤ بالمنتجات التي قد تظهر في فاتورة المشتريات في مراكز التسويق. أظهرت النتائج أن الخوارزمية المُحسّنة ساعدت في تقليل عدد مجموعات بنود البيانات المُرشّحة، مما أدى إلى تحسين الأداء بشكل ملحوظ.
قراءة نقدية
تُعد هذه الورقة البحثية خطوة هامة نحو تحسين خوارزمية الأسبقية، إلا أنه كان من الممكن تقديم تحليل أكثر تفصيلاً حول كيفية تأثير التحسينات على الأداء في مختلف سيناريوهات قواعد البيانات. كما أن الدراسة قد استفادت من تقديم مقارنات مع خوارزميات أخرى في مجال التنقيب عن البيانات لتوضيح مدى تفوق الخوارزمية المُحسّنة. من الجيد أيضاً تضمين تجارب عملية على قواعد بيانات حقيقية بدلاً من الأمثلة النظرية فقط، مما يعزز من مصداقية النتائج ويزيد من تطبيقاتها العملية.
أسئلة حول البحث
-
ما هو الهدف الرئيسي من تحسين خوارزمية الأسبقية في هذا البحث؟
الهدف الرئيسي هو زيادة فعالية خوارزمية الأسبقية من خلال تقليل توليد مجموعات بنود البيانات المُرشّحة، مما يؤدي إلى تحسين سرعة الأداء وتقليل الزمن المستهلك.
-
كيف تم تحسين خوارزمية الأسبقية في هذه الدراسة؟
تم تحسين الخوارزمية من خلال تقليل عدد مجموعات بنود البيانات المُرشّحة عبر خطوات محددة تشمل ضغط قاعدة البيانات وتوليد المجموعات المُرشّحة بشكل أكثر فعالية.
-
ما هي الأدوات واللغات البرمجية المستخدمة في بناء البرنامج البسيط الذي يعتمد على الخوارزمية المُحسّنة؟
تم استخدام برنامج NetBeans IDE 8.1 لتصميم واجهة البرنامج، ولغة الجافا (Java) لكتابة التعليمات البرمجية.
-
ما هي الفائدة العملية من استخدام خوارزمية الأسبقية المُحسّنة في مجال التسويق؟
تساعد خوارزمية الأسبقية المُحسّنة أصحاب المحلات ومراكز التسويق في عرض المنتجات التي يقوم الزبائن بشرائها بجانب بعضها البعض، مما يؤدي إلى زيادة الربح.
المراجع المستخدمة
LIU B, 2006- Web Data Mining. Springer-Verlag New York
HAN J and KAMBER M, 2006- Data Mining:Concepts and Techniques. Second ed, Elsevier Inc, United States of America
JAISHREE S, HARI R and SODHI J 2013 Improving Efficioncy of Apriori Algorithm Using Transaction Reduction International Journal of Scientific and Research Publications,Vol.3, Issue 1
قيم البحث
اقرأ أيضاً
نقدم في هذا البحث خوارزمية جديدة لحل بعض المشاكل التي تعاني منها
خوارزميات عنقدة البيانات كالK-Means. هذه الخوارزمية الجديدة قادرة على
عنقدة مجموعة من البيانات بشكل منفرد دون الحاجة لخوارزميات عنقدة أخرى.
على الرغم من التقدم الكبير في تلخيص الجماع العصبي، أظهرت الدراسات الحديثة أن النماذج الحالية عرضة لإنشاء ملخصات غير مخلصة للسياق الأصلي. لمعالجة المشكلة، نقوم بدراسة توليد واختيار مرشح النقيض كتقنية نطاقات ما بعد المعالجة النموذجية لتصحيح الهلوسة الخ
ارجية (I.E. المعلومات غير موجودة في نص المصدر) في ملخصات غير مخلصة. نتعلم نموذج تصحيح تمييزي عن طريق توليد ملخصات مرشحة بديلة حيث يتم استبدال الكيانات والكميات المسماة في الملخص الذي تم إنشاؤه بأشياء مع أنواع دلالية متوافقة من المستند المصدر. ثم يتم استخدام هذا النموذج لتحديد أفضل مرشح كملخص الناتج النهائي. تبين تجاربنا وتحليلنا عبر عدد من أنظمة التلخيص العصبية أن طريقةنا المقترحة فعالة في تحديد وتصحيح الهلوسة الخارجية. نقوم بتحليل ظاهرة الهلوسة النموذجية لأنواع مختلفة من أنظمة التلخيص العصبية، ونأمل أن تقدم رؤى للعمل في المستقبل على الاتجاه.
نقدم في هذه البحث خوارزمية لمطابقة صور شبكية العين تعتمد بشكل أساسي على تابع الارتباط المتقاطع, كما ستقوم بتفحص و تقييم دقة خوارزمية المطابقة المدروسة على مستوى عنصر الصورة عن طريق حساب توابع الارتباط المحمية بين توابع كثافة عناصر الصورة المستخرجة من
الأوعية الدموية المتُتبعة بعد تنفيذ
المطابقة بين الصور المختلفة.
يزداد انتشار الشبكات اللاسلكية يومًا بعد يوم، و أصبحت معظم الشبكات الحالية لاسلكية نظرًا إلى سهولة تركيبها و عدم حاجتها لبنية تحتية، و هذا لايعني إلغاء دور الشبكات السلكية بل تأتي مكملة لها. و بوجود أنواع الشبكات كّلها ابتدأ من الشبكات الشخصية والمحل
ية (PANs and LANs) إلى الشبكات الواسعة (WAN) و لاسيما شبكة الإنترنت، أصبح توجه البحث العلمي اليوم إلى التركيز على تحسين جودة الخدمة فيها (QoS) و التفكير بدمج هذه الشبكات لتتكامل مع شبكة الإنترنت التي تعد العمود الفقري (backbone) لكل شبكة تريد تبادل المعلومات و تشاركها مع غيرها على مستوى العالم.
يركز هذا البحث على تحسين جودة الخدمة في الشبكات اللاسلكية عريضة الحزمة (Broadband) التي تغطي المدن و هي WiMax
ذات المعيار (IEEE 802.16e) التي تدعم الحركية (mobility)
وقد تستخدم هذه الشبكة لربط المناطق البعيدة مع مراكز المدن و تسمى شبكة نقطة لنقطة(Point-to-Point) أو أنها تقوم بتغطية المدن و تسمى شبكة نقطة لعدة نقاط (Point-to-Multipoint) و تستخدم هذه الأخيرة لربط عدة شبكات لاسلكية ولاسيما المحلية ذات البنية التحتية
(Wi-Fi: Wireless Fidelity) المكتظة بالمستخدمين و المسماة بالبقع الساخنة (Hotspots) , في حين يطلق على كل خلية من خلايا شبكة WiMax التي تغطي المدن بالمنطقة الساخنة (Hotzone) .
قترحنا خلال بحثنا، نموذجًًا لنظام يقوم بموازنة الحمل (معدل النقل data rate ) بين المحطات القاعدية (BSs : Base Stations) لخلايا الشبكة WiMax. و يقصد بذلك تبادل الطرفيات بين المحطات القاعدية المتجاورة بهدف جعل الحمل في كل محطة قاعدية مساويًا لحمل المحطات الأخرى، و بذلك نحسن من أداء الشبكة و نزيد من عرض المجال المتاح لكل طرفية، فضلا عن زيادة عدد المستخدمين (العملاء) الممكن تخديمهم. و هذا النفع يعود على المستخدم من حيث تحسين جودة
الخدمة المقدمة إليه من جهة ومن جهة أخرى يزداد ربح مزود الخدمة، ناهيك عن السمعة الجيدة التي ينالها من قبل مستخدميه، الشيء الذي يدفع مزيدًا من المستخدمين للاشتراك في هذه الشبكة دون غيرها.
يمكن لنظام موازنة الحمل المقترح أن يكون نظامًا موزعًا يوضع في كل محطة قاعدية، أو نظامًا مركزيًا يوضع فقط في مخدم مركزي مستقل يتصل مع المحطات القاعدية كّلها، و توضع في هذا النظام خوارزمية موازنة الحمل التي تتألف من عدة خطوات ينفذها المتحكم الموجود في النظام المقترح، و يجب أن تكون عملية موازنة الحمل سريعة كفاية و كذلك إجرائية التسليم (Hanover procedure) بين المحطات القاعدية حتى لا تؤثر سلبًا في جودة خدمة العملاء ول اسيما الذين يقومون بتطبيقات زمن حقيقي .
تم في هذا البحث دراسة أداء رؤوس الحفر ذات التروس المخروطية من خلال تطبيق
نموذج رياضي يعطي تحليلا للمؤشرات المؤثرة على عمله و فعاليته (معدل الاختراق)
, بحيث يمكننا تغيير هذه المؤشرات ضمن حدود عمل هذا الرأس مما ينعكس بشكل
ايجابي على أدائه و فعاليته
و ما يترتب عليه من تقليل زمن انجاز المرحلة التي يجتازها,
و توفير الكلفة المصروفة على حفرها و ذلك في أحد الحقول السورية متمثلا بشركة ديرالزور
للنفط ...
الأسئلة المقترحة
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
