期刊刊名：資訊管理研究 卷期：3期
篇名出版日期：2003年7月1日
作者：蘇建源,張晉赫,邱宏彬
語言：Chinese
關鍵字：資料探勘,關聯法則,線上探勘,漸進式探勘,敏感性分析
被點閱次數：73次
閱讀時間：5407sec
摘要： 資料探勘(data mining)為近年來廣泛地應用在客戶資源管理、行銷、醫學及其他許多領域中的一門學科。如何有效率地從大量的資料中搜尋出隱含的資訊與有用的規則，一直是關聯法則探勘研究領域中十分重視的課題。在關聯法則的挖掘上，最具代表性的方法是Apriori演算法，其牽涉到多次資料庫掃描以取得大項目組，因此，對於現實生活中的動態新增資料庫而言，Apriori演算法面臨了三個主要的問題，其一為該演算法相當耗時，不適合線上探勘；二為無法有效解決動態新增資料庫中漸進式探勘的問題，第三為相對於整體資料庫，較新時間點的敏感性資料無法被有效的擷取。本文提出一簡單的關聯法則之多層更新挖掘法(Multilayer Update Miner, MUM)，此方法不需要重複掃描原始資料庫，因此，可支援線上探勘及漸進式探勘的需求。利用MUM多層同步處理與更新的特性，搭配敏感度指數的定義，MUM可以被用來挖掘對決策者有用的即時性敏感資訊。同時，本文藉由許多實驗及相關的分析以檢驗MUM的執行效能並探討其優缺點與可行性。
[ 關閉視窗 ]