Aplicação de métodos de minimização do número de regras de associação que represente totalmente uma base de dados

Detalhes bibliográficos
Autor(a) principal: Pinheiro, Diego Paixão
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

Registros relacionados