1 |
1
데이터 스트림(Dk)에서 주의 항목집합들(HAIs; Highly Attention Itemsets)을 설정하는 주의 항목집합들(HAIs) 설정단계와; 정감쇠율(정감쇠율 기반의 가중치 차별화 기법) 및 역감쇠율(역감쇠율 기반의 가중치 차별화 기법)을 복합적으로 실행하는 이중 감쇠율 실행단계 및; 데이터 스트림(Dk)에서 주의 항목집합들(HAIs)의 세트를 완성하는 단계로 이루어진 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|
2 |
2
제 1항에 있어서, 상기 이중 감쇠율 실행단계는 k번째 발생된 트랜잭션(Tk)안의 항목집합의 수를 업데이트하는 업데이트단계와; 주의 항목집합들(HAIs) 결과값을 찾는 주의 항목집합들(HAIs) 결과값 찾기 단계로 이루어지는 것을 특징으로 하는 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|
3 |
3
제 2항에 있어서, 상기 업데이트단계는 데이터 스트림(Dk )안의 각각의 새로운 트랜잭션(Tk)에 대하여 정방향 메커니즘에서의 트랜잭션들의 총수()와 역방향 메커니즘에서의 트랜잭션들의 총수()를 각각 업데이트하고, 항목집합(e)의 가중치()도 업데이트 하며; 트랜잭션(Tk)안의 각각의 항목집합(e)에 대하여 항목집합(e)에 상응하는 노드가 모니터링 트리(ML)안에 있다면, k 시점에서 정방향 감쇠율을 적용하여 구한 항목집합(e)의 출현빈도수()와 k 시점에서 역방향 감쇠율을 적용하여 구한 항목집합(e)의 출현빈도수()를 업데이트하고, 그렇지 않으면, 그에 상응하는 노드는 모니터링 트리(ML)로 새로 집어 넣는 것을 특징으로 하는 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|
4 |
4
제 3항에 있어서, 정방향 메커니즘에 있어서의 트랜잭션들의 총수()를 하기 수학식 1로부터 얻는 것을 특징으로 하는 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|
5 |
5
제 3항에 있어서, 데이터 스트림(Dk )에 있는 항목집합(e) 의 수()는 하기 수학식 2로부터 얻는 것을 특징으로 하는 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|
6 |
6
제 3항에 있어서, 역방향 메커니즘에 있어서의 트랜잭션들의 총수()를 하기 수학식 3으로부터 얻는 것을 특징으로 하는 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|
7 |
7
제 3항에 있어서, 데이터 스트림(Dk )에 있는 항목집합(e) 의 수()는 하기 수학식 4로부터 얻는 것을 특징으로 하는 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|
8 |
8
제 3항에 있어서, 업데이트 는 e와 Tk안의 단일 항목으로 구성된 Tk안의 각각의 항목집합 에 대하여 항목집합의 상응하는 노드가 ML안에 있으면, 와 를 업데이트하고, 업데이트 로 정의하며, 그렇지 않으면, 상응하는 노드는 ML로 새로 집어 넣고, 리턴하는 것을 특징으로 하는 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|
9 |
9
제 2항에 있어서, 상기 주의 항목집합들(HAIs) 결과값 찾기 단계는 상응하는 노드가 ML에 있는 각각의 항목집합 e에 대하여 이고, 이면, 출력(e)는 항목집합(HAI)인 것을 특징으로 하는 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|
10 |
10
제 9항에 있어서, 는 e와 단일 항목으로 구성된 ML안의 각각의 항목집합 에 대하여 이고 이면, 출력(e′)는 항목집합(HAI)인 것을 특징으로 하는 이중 감쇠율 기법으로 고관심 정보를 마이닝하는 방법
|