Bolsa 15/08059-0 - Mineração de dados, Agrupamento de dados - BV FAPESP
Busca avançada
Ano de início
Entree

Exploração de agrupamento de regras de associação via medidas objetivas

Processo: 15/08059-0
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Data de Início da vigência: 01 de julho de 2015
Data de Término da vigência: 30 de junho de 2016
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Veronica Oliveira de Carvalho
Beneficiário:Davi Duarte de Paula
Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Assunto(s):Mineração de dados   Agrupamento de dados   Estrutura de grupo   Nanoclusters   Metodologia e técnicas de computação
Palavra(s)-Chave do Pesquisador:Agrupamento | Medidas de Avaliação Objetivas | Pós-processamento | Regras de Associação | Mineração de Dados

Resumo

Muitas medidas de avaliação objetivas (MOs) foram propostas nos últimos anos como meio de pós-processar regras de associação. Desse modo, o primeiro desafio durante um processo de exploração é decidir qual MO utilizar. Para tanto, pode-se: (a) reduzir o número de MOs a serem selecionadas; (b) agregar valores de MOs em um único valor de importância como meio de não ter que selecionar uma MO adequada. O problema relacionado a (a) é que muitas MOs podem ainda remanescer. Em relação a (b), uma equação ótima, que deriva um valor único, é geralmente obtida, a qual pode não ser muita bem compreendida pelo usuário. Nesse contexto, [Carvalho et al., 2015] propõem um processo para agrupar regras de associação, tendo como base a similaridade existente entre os rankings obtidos por um conjunto de MOs, de modo a direcionar o usuário aos padrões interessantes do domínio. A ideia é resolver o problema relacionado a identificação de um conjunto adequado de MOs, combinando implicitamente MOs, sem usar nenhum método de otimização. Desse modo, com esse processo (I) não é necessário selecionar um conjunto adequado de MOs, nem agregar explicitamente muitas MOs, a fim de ranquear as regras para encontrar aquelas consideradas interessantes; (II) o espaço de exploração pode ser reduzido uma vez que se considera que existe um subconjunto de grupos que contém todas as regras interessantes, de tal modo que um pequeno número de grupos tenha que ser explorado. Entretanto, o processo apresenta algumas lacunas a serem exploradas. Diante do exposto, este projeto de Iniciação Científica tem como objetivo aprimorar o processo proposto por [Carvalho et al., 2015] a fim de: (a) explorar meios de ranquear os clusters de modo que o usuário explore apenas os n primeiros grupos (aqueles que irão conter os padrões interessantes); (b) explorar outros meios de ranquear as regras dentro dos clusters para tentar obter melhores resultados; (c) explorar os resultados do processo quando as MOs utilizadas no agrupamento são redundantes (i.e., levam ao mesmo ranqueamento).

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DE CARVALHO, VERONICA OLIVEIRA; DE PAULA, DAVI DUARTE; PACHECO, MATEUS VIOLANTE; DOS SANTOS, WALDEILSON EDER; DE PADUA, RENAN; REZENDE, SOLANGE OLIVEIRA; CASTRO, F; MIRANDAJIMENEZ, S; GONZALEZMENDOZA, M. Ranking Association Rules by Clustering Through Interestingness. ADVANCES IN SOFT COMPUTING, MICAI 2017, PT I, v. 10632, p. 16-pg., . (15/08059-0)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.