Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFT |
Texto Completo: | http://hdl.handle.net/11612/3191 |
Resumo: | As regras de associação são uma forma de representação de conhecimento utilizada em sistemas de tomada de decisão devido `a sua estrutura simples e ao alto potencial de armazenamento de informações. Esse recurso pode ser obtida através de algoritmos de mineração de regras de associação, como o Priori, que toma um conjunto de dados como parâmetro de entrada e retorna um conjunto de regras de associação. Entretanto, os algoritmos existentes retornam um grande n´úmero de regras, o que torna o uso de regras de associação oneroso para os sistemas de computador e muito difícil de interpretar para os especialistas de domínio. A fim de superar esta dificuldade e facilitar a aplicação das regras de associação na solução de problemas de tomada de decisão, muitas pesquisas tem procurado uma solução computacional para reduzir a quantidade de regras de associação de tal forma que não haja perda significativa de informações. Este trabalho apresenta dois procedimentos computacionais para minimizar o n´úmero de regras de associação que representam plenamente um conjunto de dados. Em seguida, os autores apresentam os testes realizados e um estudo comparativo com outros m´todos da literatura. Tendo em vista o sucesso alcançado, os autores fazem suas considerações sobre os resultados e apontam a nova direção do projeto. |
id |
UFT_0a1bf9580b590a7e588c7d042d591b0d |
---|---|
oai_identifier_str |
oai:repositorio.uft.edu.br:11612/3191 |
network_acronym_str |
UFT |
network_name_str |
Repositório Institucional da UFT |
repository_id_str |
|
spelling |
Pinheiro, Diego PaixãoRocha, Marcelo Lisboa2021-10-08T03:08:01Z2021-10-08T03:08:01Z2021PINHEIRO, Diego Paixão. Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados. Universidade Federal do Tocantins, Palmas, 2021.http://hdl.handle.net/11612/3191As regras de associação são uma forma de representação de conhecimento utilizada em sistemas de tomada de decisão devido `a sua estrutura simples e ao alto potencial de armazenamento de informações. Esse recurso pode ser obtida através de algoritmos de mineração de regras de associação, como o Priori, que toma um conjunto de dados como parâmetro de entrada e retorna um conjunto de regras de associação. Entretanto, os algoritmos existentes retornam um grande n´úmero de regras, o que torna o uso de regras de associação oneroso para os sistemas de computador e muito difícil de interpretar para os especialistas de domínio. A fim de superar esta dificuldade e facilitar a aplicação das regras de associação na solução de problemas de tomada de decisão, muitas pesquisas tem procurado uma solução computacional para reduzir a quantidade de regras de associação de tal forma que não haja perda significativa de informações. Este trabalho apresenta dois procedimentos computacionais para minimizar o n´úmero de regras de associação que representam plenamente um conjunto de dados. Em seguida, os autores apresentam os testes realizados e um estudo comparativo com outros m´todos da literatura. Tendo em vista o sucesso alcançado, os autores fazem suas considerações sobre os resultados e apontam a nova direção do projeto.Association rules are a form of knowledge representation used in decision making systems due to their simple structure and high information storage potential. This feature can be obtained through association rule mining algorithms, such as Apriori, which takes a dataset as an input parameter and returns a set of association rules. However, the existing algorithms return a large number of rules, which makes the use of association rules costly for computer systems and very hard to interpret for domain experts. In order to overcome this difficulty and facilitate the application of association rules in solving decision making problems, many researches have been searching for a computational solution to reduce the amount of association rules in such a way that there is no significant loss of information. This paper presents two computational procedures for minimizing the number of association rules that fully represent a dataset. Then, the authors present the tests performed and a comparative study with other methods in the literature. In view of the success achieved, the authors make their considerations about the results and point out the new direction of the project.Universidade Federal do TocantinsPalmasCiências da ComputaçãoPalmasGraduaçãoAcesso Livre.info:eu-repo/semantics/openAccessCNPQ::CIENCIAS EXATAS E DA TERRAInteligência ArtificialAprendizado de MáquinaPesquisa OperacionalAnálise CombinatóriaMineração de DadosRegras de Associação.Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dadosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFTinstname:Universidade Federal do Tocantins (UFT)instacron:UFTORIGINALDiego Paixão Pinheiro- TCC.pdfDiego Paixão Pinheiro- TCC.pdfapplication/pdf473673http://repositorio.uft.edu.br/bitstream/11612/3191/1/Diego%20Paix%c3%a3o%20Pinheiro-%20TCC.pdfcdbec252c2a3501f8ab35dc40c9e2982MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.uft.edu.br/bitstream/11612/3191/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTDiego Paixão Pinheiro- TCC.pdf.txtDiego Paixão Pinheiro- TCC.pdf.txtExtracted texttext/plain57615http://repositorio.uft.edu.br/bitstream/11612/3191/3/Diego%20Paix%c3%a3o%20Pinheiro-%20TCC.pdf.txtf6c151d0e16c4f5c752109167cfa1270MD53THUMBNAILDiego Paixão Pinheiro- TCC.pdf.jpgDiego Paixão Pinheiro- TCC.pdf.jpgGenerated Thumbnailimage/jpeg1226http://repositorio.uft.edu.br/bitstream/11612/3191/4/Diego%20Paix%c3%a3o%20Pinheiro-%20TCC.pdf.jpge04fef8f0e17bb07d1e39310409bab0cMD5411612/31912021-10-08 03:01:07.783oai:repositorio.uft.edu.br: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Repositório InstitucionalPUBhttp://repositorio.uft.edu.br/oai/requestbiblioarraias@uft.edu.br || bibliogpi@uft.edu.br || bibliomira@uft.edu.br || bibliopalmas@uft.edu.br || biblioporto@uft.edu.br || biblioarag@uft.edu.br || dirbib@ufnt.edu.br || bibliocca@uft.edu.br || bibliotoc@uft.edu.bropendoar:2021-10-08T06:01:07Repositório Institucional da UFT - Universidade Federal do Tocantins (UFT)false |
dc.title.pt_BR.fl_str_mv |
Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados |
title |
Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados |
spellingShingle |
Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados Pinheiro, Diego Paixão CNPQ::CIENCIAS EXATAS E DA TERRA Inteligência Artificial Aprendizado de Máquina Pesquisa Operacional Análise Combinatória Mineração de Dados Regras de Associação. |
title_short |
Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados |
title_full |
Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados |
title_fullStr |
Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados |
title_full_unstemmed |
Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados |
title_sort |
Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados |
author |
Pinheiro, Diego Paixão |
author_facet |
Pinheiro, Diego Paixão |
author_role |
author |
dc.contributor.author.fl_str_mv |
Pinheiro, Diego Paixão |
dc.contributor.advisor1.fl_str_mv |
Rocha, Marcelo Lisboa |
contributor_str_mv |
Rocha, Marcelo Lisboa |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA Inteligência Artificial Aprendizado de Máquina Pesquisa Operacional Análise Combinatória Mineração de Dados Regras de Associação. |
dc.subject.por.fl_str_mv |
Inteligência Artificial Aprendizado de Máquina Pesquisa Operacional Análise Combinatória Mineração de Dados Regras de Associação. |
description |
As regras de associação são uma forma de representação de conhecimento utilizada em sistemas de tomada de decisão devido `a sua estrutura simples e ao alto potencial de armazenamento de informações. Esse recurso pode ser obtida através de algoritmos de mineração de regras de associação, como o Priori, que toma um conjunto de dados como parâmetro de entrada e retorna um conjunto de regras de associação. Entretanto, os algoritmos existentes retornam um grande n´úmero de regras, o que torna o uso de regras de associação oneroso para os sistemas de computador e muito difícil de interpretar para os especialistas de domínio. A fim de superar esta dificuldade e facilitar a aplicação das regras de associação na solução de problemas de tomada de decisão, muitas pesquisas tem procurado uma solução computacional para reduzir a quantidade de regras de associação de tal forma que não haja perda significativa de informações. Este trabalho apresenta dois procedimentos computacionais para minimizar o n´úmero de regras de associação que representam plenamente um conjunto de dados. Em seguida, os autores apresentam os testes realizados e um estudo comparativo com outros m´todos da literatura. Tendo em vista o sucesso alcançado, os autores fazem suas considerações sobre os resultados e apontam a nova direção do projeto. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-10-08T03:08:01Z |
dc.date.available.fl_str_mv |
2021-10-08T03:08:01Z |
dc.date.issued.fl_str_mv |
2021 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
PINHEIRO, Diego Paixão. Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados. Universidade Federal do Tocantins, Palmas, 2021. |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11612/3191 |
identifier_str_mv |
PINHEIRO, Diego Paixão. Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados. Universidade Federal do Tocantins, Palmas, 2021. |
url |
http://hdl.handle.net/11612/3191 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Acesso Livre. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Acesso Livre. |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Tocantins Palmas Ciências da Computação Palmas Graduação |
publisher.none.fl_str_mv |
Universidade Federal do Tocantins Palmas Ciências da Computação Palmas Graduação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFT instname:Universidade Federal do Tocantins (UFT) instacron:UFT |
instname_str |
Universidade Federal do Tocantins (UFT) |
instacron_str |
UFT |
institution |
UFT |
reponame_str |
Repositório Institucional da UFT |
collection |
Repositório Institucional da UFT |
bitstream.url.fl_str_mv |
http://repositorio.uft.edu.br/bitstream/11612/3191/1/Diego%20Paix%c3%a3o%20Pinheiro-%20TCC.pdf http://repositorio.uft.edu.br/bitstream/11612/3191/2/license.txt http://repositorio.uft.edu.br/bitstream/11612/3191/3/Diego%20Paix%c3%a3o%20Pinheiro-%20TCC.pdf.txt http://repositorio.uft.edu.br/bitstream/11612/3191/4/Diego%20Paix%c3%a3o%20Pinheiro-%20TCC.pdf.jpg |
bitstream.checksum.fl_str_mv |
cdbec252c2a3501f8ab35dc40c9e2982 8a4605be74aa9ea9d79846c1fba20a33 f6c151d0e16c4f5c752109167cfa1270 e04fef8f0e17bb07d1e39310409bab0c |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFT - Universidade Federal do Tocantins (UFT) |
repository.mail.fl_str_mv |
biblioarraias@uft.edu.br || bibliogpi@uft.edu.br || bibliomira@uft.edu.br || bibliopalmas@uft.edu.br || biblioporto@uft.edu.br || biblioarag@uft.edu.br || dirbib@ufnt.edu.br || bibliocca@uft.edu.br || bibliotoc@uft.edu.br |
_version_ |
1802111575118577664 |