Mineração de regras de associação temporais envolvendo dados quantitativos contínuos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/13877 |
Resumo: | The consideration of temporality in a explicit manner on the task of association rules mining that involves continuous quantitative data is one approach that aims to contribute to the field of study of knowledge discovery in databases. The construction of temporal intervals from attributes of a data set also provides to the method to identify binary relations, which these intervals may have. This work describes the development of a new method, named ART-Q, for the task of mining temporal association rules which involve continuous quantitative data. The temporality is assumed, in the present work, in its explicit form, not only by data sequencing. The patterns that allow the rules construction are made of binary relations from Allen’s intervalar algebra in the temporal intervals that describe the continuous quantitative attribute’s behavior of interest. The method has proven being able to reveal implicit information in different contexts databases. The results are demonstrated by temporal intervals of interest of the attributes and their algebric relations, patterns and temporal association rules. The work demonstrates that the method ART-Q contributes to the evolution of the literature with the definition and search of a new kind of pattern, more complex than those present in the studies. By the consideration of this kind of patterns association rules are constructed semantically involving a large amount of information among the implication of the rule. |
id |
SCAR_c06a4abdb0f692a0f7c87537d36d3837 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/13877 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
João, Rafael StoffaletteRibeiro, Marcela Xavierhttp://lattes.cnpq.br/0300141044144026http://lattes.cnpq.br/040920338963308226784313-b50a-4601-bc36-8d4159316d722021-02-23T14:44:55Z2021-02-23T14:44:55Z2020-08-07JOÃO, Rafael Stoffalette. Mineração de regras de associação temporais envolvendo dados quantitativos contínuos. 2020. Tese (Doutorado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2020. Disponível em: https://repositorio.ufscar.br/handle/ufscar/13877.https://repositorio.ufscar.br/handle/ufscar/13877The consideration of temporality in a explicit manner on the task of association rules mining that involves continuous quantitative data is one approach that aims to contribute to the field of study of knowledge discovery in databases. The construction of temporal intervals from attributes of a data set also provides to the method to identify binary relations, which these intervals may have. This work describes the development of a new method, named ART-Q, for the task of mining temporal association rules which involve continuous quantitative data. The temporality is assumed, in the present work, in its explicit form, not only by data sequencing. The patterns that allow the rules construction are made of binary relations from Allen’s intervalar algebra in the temporal intervals that describe the continuous quantitative attribute’s behavior of interest. The method has proven being able to reveal implicit information in different contexts databases. The results are demonstrated by temporal intervals of interest of the attributes and their algebric relations, patterns and temporal association rules. The work demonstrates that the method ART-Q contributes to the evolution of the literature with the definition and search of a new kind of pattern, more complex than those present in the studies. By the consideration of this kind of patterns association rules are constructed semantically involving a large amount of information among the implication of the rule.A consideração da temporalidade de forma explícita na mineração de regras de associação que envolvem dados quantitativos contínuos é uma abordagem que tem como intuito principal a contribuição à área da descoberta de informação em bases de dados. A construção de intervalos temporais para os atributos de uma base de dados permite identificar, também, os relacionamentos binários que estes intervalos podem assumir entre si. Este trabalho descreve o desenvolvimento de um novo método, intitulado ART-Q, para a tarefa de mineração de regras de associação temporais que envolvem dados quantitativos contínuos. A temporalidade é assumida, neste trabalho, em sua forma explícita, não somente pelo sequenciamento dos dados. Os padrões que possibilitam a construção das regras são compostos por relações binárias da álgebra intervalar de Allen nos intervalos temporais que descrevem comportamentos de interesse dos atributos quantitativos contínuos. O método provou ser capaz de revelar informações implícitas em bases de dados de diferentes contextos. Os resultados são apresentados por meio de intervalos temporais de interesse dos atributos e suas relações algébricas, padrões e regras de associação temporais. O trabalho demonstra que o método contribui para a evolução da literatura com a definição e busca de um novo tipo de padrão, mais complexo que os existentes. Por meio destes padrões, regras de associação são construídas com semântica que envolve uma vasta quantidade de informações, além da implicação da regra.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES: Código de Financiamento 001porUniversidade Federal de São CarlosCâmpus São CarlosPrograma de Pós-Graduação em Ciência da Computação - PPGCCUFSCarAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessMineração de dadosRegras de associaçãoTemporalidadeDados quantitativos contínuosData miningAssociation rulesTemporalityuantitative continuous dataCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOMineração de regras de associação temporais envolvendo dados quantitativos contínuosMining temporal association rules involving quantitative continuous datainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis60060004d8be23-7330-4147-baf0-14545dd9cbdfreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINALTese2020__Corrigida.pdfTese2020__Corrigida.pdfTeseapplication/pdf2787345https://repositorio.ufscar.br/bitstream/ufscar/13877/1/Tese2020__Corrigida.pdf52334c36362825ecb0ed1af6c0df845eMD51PPGCC_Template_dec_BCO.pdfPPGCC_Template_dec_BCO.pdfCarta comprovante da versão final de teses e dissertaçõesapplication/pdf151424https://repositorio.ufscar.br/bitstream/ufscar/13877/2/PPGCC_Template_dec_BCO.pdf9c1ec787fe90989b02a73b4bf0b3f5c5MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufscar.br/bitstream/ufscar/13877/4/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD54TEXTTese2020__Corrigida.pdf.txtTese2020__Corrigida.pdf.txtExtracted texttext/plain296335https://repositorio.ufscar.br/bitstream/ufscar/13877/5/Tese2020__Corrigida.pdf.txtc274708513bd842d9a1cd149687b5c4bMD55PPGCC_Template_dec_BCO.pdf.txtPPGCC_Template_dec_BCO.pdf.txtExtracted texttext/plain1570https://repositorio.ufscar.br/bitstream/ufscar/13877/7/PPGCC_Template_dec_BCO.pdf.txtd4b94fbc1be50a8cd9e9724c66f03bbdMD57THUMBNAILTese2020__Corrigida.pdf.jpgTese2020__Corrigida.pdf.jpgIM Thumbnailimage/jpeg8012https://repositorio.ufscar.br/bitstream/ufscar/13877/6/Tese2020__Corrigida.pdf.jpg5d0a78aa9a0852e8543e9aee371a60f5MD56PPGCC_Template_dec_BCO.pdf.jpgPPGCC_Template_dec_BCO.pdf.jpgIM Thumbnailimage/jpeg12513https://repositorio.ufscar.br/bitstream/ufscar/13877/8/PPGCC_Template_dec_BCO.pdf.jpg4a036023b1cea9ad3650f50d0631203bMD58ufscar/138772023-09-18 18:32:06.763oai:repositorio.ufscar.br:ufscar/13877Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:32:06Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Mineração de regras de associação temporais envolvendo dados quantitativos contínuos |
dc.title.alternative.eng.fl_str_mv |
Mining temporal association rules involving quantitative continuous data |
title |
Mineração de regras de associação temporais envolvendo dados quantitativos contínuos |
spellingShingle |
Mineração de regras de associação temporais envolvendo dados quantitativos contínuos João, Rafael Stoffalette Mineração de dados Regras de associação Temporalidade Dados quantitativos contínuos Data mining Association rules Temporality uantitative continuous data CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Mineração de regras de associação temporais envolvendo dados quantitativos contínuos |
title_full |
Mineração de regras de associação temporais envolvendo dados quantitativos contínuos |
title_fullStr |
Mineração de regras de associação temporais envolvendo dados quantitativos contínuos |
title_full_unstemmed |
Mineração de regras de associação temporais envolvendo dados quantitativos contínuos |
title_sort |
Mineração de regras de associação temporais envolvendo dados quantitativos contínuos |
author |
João, Rafael Stoffalette |
author_facet |
João, Rafael Stoffalette |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/0409203389633082 |
dc.contributor.author.fl_str_mv |
João, Rafael Stoffalette |
dc.contributor.advisor1.fl_str_mv |
Ribeiro, Marcela Xavier |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/0300141044144026 |
dc.contributor.authorID.fl_str_mv |
26784313-b50a-4601-bc36-8d4159316d72 |
contributor_str_mv |
Ribeiro, Marcela Xavier |
dc.subject.por.fl_str_mv |
Mineração de dados Regras de associação Temporalidade Dados quantitativos contínuos |
topic |
Mineração de dados Regras de associação Temporalidade Dados quantitativos contínuos Data mining Association rules Temporality uantitative continuous data CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.eng.fl_str_mv |
Data mining Association rules Temporality uantitative continuous data |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
The consideration of temporality in a explicit manner on the task of association rules mining that involves continuous quantitative data is one approach that aims to contribute to the field of study of knowledge discovery in databases. The construction of temporal intervals from attributes of a data set also provides to the method to identify binary relations, which these intervals may have. This work describes the development of a new method, named ART-Q, for the task of mining temporal association rules which involve continuous quantitative data. The temporality is assumed, in the present work, in its explicit form, not only by data sequencing. The patterns that allow the rules construction are made of binary relations from Allen’s intervalar algebra in the temporal intervals that describe the continuous quantitative attribute’s behavior of interest. The method has proven being able to reveal implicit information in different contexts databases. The results are demonstrated by temporal intervals of interest of the attributes and their algebric relations, patterns and temporal association rules. The work demonstrates that the method ART-Q contributes to the evolution of the literature with the definition and search of a new kind of pattern, more complex than those present in the studies. By the consideration of this kind of patterns association rules are constructed semantically involving a large amount of information among the implication of the rule. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-08-07 |
dc.date.accessioned.fl_str_mv |
2021-02-23T14:44:55Z |
dc.date.available.fl_str_mv |
2021-02-23T14:44:55Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
JOÃO, Rafael Stoffalette. Mineração de regras de associação temporais envolvendo dados quantitativos contínuos. 2020. Tese (Doutorado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2020. Disponível em: https://repositorio.ufscar.br/handle/ufscar/13877. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/13877 |
identifier_str_mv |
JOÃO, Rafael Stoffalette. Mineração de regras de associação temporais envolvendo dados quantitativos contínuos. 2020. Tese (Doutorado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2020. Disponível em: https://repositorio.ufscar.br/handle/ufscar/13877. |
url |
https://repositorio.ufscar.br/handle/ufscar/13877 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
600 600 |
dc.relation.authority.fl_str_mv |
04d8be23-7330-4147-baf0-14545dd9cbdf |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciência da Computação - PPGCC |
dc.publisher.initials.fl_str_mv |
UFSCar |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/13877/1/Tese2020__Corrigida.pdf https://repositorio.ufscar.br/bitstream/ufscar/13877/2/PPGCC_Template_dec_BCO.pdf https://repositorio.ufscar.br/bitstream/ufscar/13877/4/license_rdf https://repositorio.ufscar.br/bitstream/ufscar/13877/5/Tese2020__Corrigida.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/13877/7/PPGCC_Template_dec_BCO.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/13877/6/Tese2020__Corrigida.pdf.jpg https://repositorio.ufscar.br/bitstream/ufscar/13877/8/PPGCC_Template_dec_BCO.pdf.jpg |
bitstream.checksum.fl_str_mv |
52334c36362825ecb0ed1af6c0df845e 9c1ec787fe90989b02a73b4bf0b3f5c5 e39d27027a6cc9cb039ad269a5db8e34 c274708513bd842d9a1cd149687b5c4b d4b94fbc1be50a8cd9e9724c66f03bbd 5d0a78aa9a0852e8543e9aee371a60f5 4a036023b1cea9ad3650f50d0631203b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136386956951552 |