Vyhledávání častých vzorů v rozsáhlých kolekcích dat

Bc. Marek Skalický

Diplomová práce

Finding frequent patterns in large collections of data

Anotace:

Cílem této práce je popsat problematiku hledání častých vzorů v datech. Uvést hlavní používané algoritmy a možnost škálování pro velké objemy dat. V druhé části práce algoritmy A-priory, TreeProjection, FP-growth a Eclat jsou otestovány na databázi obsahující klíčová slova obrázků. Jsou uvedeny výsledky analýzy výkonu. Z nich bylo zjištěno, že algoritmus Eclat je nejrychlejší se všemi testovanými daty. Následně jsou nalezené časté vzory použity k vytvoření asociačních pravidel, které mohou být použity ke zlepšení přiřazení klíčových slov k obrázkům.

Abstract:

The main purpose of this thesis is to describe the problem of mining of frequent patterns. Major algorithms used for mining such knowledge are introduced, and a possibility of scalability is outlined. In the second half of this thesis A-priory, TreeProjection, GP-growth and Eclat algorithms are tested on a database of image keywords. Results from the performance comparison are presented. It was found that Eclat algorithm is the fastest of all for all used datasets. Then the mined frequent itemsets are used to generate association rules which can be applied to improve keywords of images in the database.

Keywords

pattern mining, frequent itemsets, association rules, A-priory algorithm, TreeProjection algorithm, FP-Growth algorithm, Eclat algorithm hledání vzorů, časté množiny položek, asociační pravidla, A-priory algoritmus, TreeProjection algoritmus, FP-Growth algoritmus, Eclat algoritmu

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 21. 5. 2018

Obhajoba závěrečné práce

• Obhajoba proběhla 18. 6. 2018
• Vedoucí: prof. Ing. Pavel Zezula, CSc.
• Oponent: RNDr. Michal Batko, Ph.D.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika