Abstrato

Um Estudo sobre o Desempenho dos Algoritmos CT-APRIORI e CT-PRO Utilizando Estruturas Comprimidas para a Mineração de Padrões

Sra. AB Dhivya e Dr. (Sra.) B.Kalpana

Muitos algoritmos foram propostos para melhorar o desempenho da mineração de padrões frequentes de bases de dados de transações. Os algoritmos de crescimento de padrões como o FP-Growth baseados na árvore FP são mais eficientes do que os algoritmos de geração e teste de candidatos. Neste artigo, propomos uma nova estrutura de dados denominada Compressed FP-Tree (CFP-Tree) e um algoritmo denominado CT-PRO que tem um melhor desempenho do que os algoritmos atuais, incluindo o FP-Growth e o Apriori. O número de nós numa árvore CFP pode ser até 50% menor do que na árvore FP correspondente. O CT-PRO é comparado empiricamente com o FP-Growth e o Apriori. O CT-PRO é também estendido para a mineração de bases de dados muito grandes e a sua escalabilidade é avaliada experimentalmente. Todos estes resultados apontam o CT-PRO como o candidato certo para gerar uma versão compacta da base de dados de transações original, de pequena dimensão e que realiza a mineração frequente de padrões de forma rápida e eficiente.