Análisis e implementación de técnicas para el descubrimiento de reglas de asociación temporales generalizadas
Con la búsqueda de reglas de asociación se intenta hallar posibles asociaciones entre ítems. Existen ciertas restricciones, como el soporte mínimo y la confidencia para obtener asociaciones interesantes. Un supuesto implícito en el modelo tradicional de reglas de asociación es que los ítems se distr...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Tesis Tesis de grado |
| Lenguaje: | Español |
| Publicado: |
2004
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/3905 |
| Aporte de: |
| Sumario: | Con la búsqueda de reglas de asociación se intenta hallar posibles asociaciones entre ítems. Existen ciertas restricciones, como el soporte mínimo y la confidencia para obtener asociaciones interesantes. Un supuesto implícito en el modelo tradicional de reglas de asociación es que los ítems se distribuyen de manera uniforme en el tiempo. Evidentemente, este supuesto diverge de la realidad, ya que permanentemente están apareciendo ítems nuevos y otros dejan de comprarse o producirse. Por otra parte, existen ítems que aparecen en transacciones sólo en determinados momentos o períodos del año. De la idea del refinamiento del modelo tradicional, con la incorporación de la variable tiempo, han surgido diversos modelos temporales de reglas de asociación. En este trabajo implementamos el algoritmo TDIC, diseñado dentro del Modelo de Reglas de Asociación Temporales Basado en LifeSpans, analizamos su performance y escalabilidad comparándolo con DIC y Apriori. Para esto implementamos un generador de transacciones sintéticas de amplio uso y lo extendemos con tiempos obtenidos por un simulador de arribos y despacho de colas. |
|---|