MétaCan
Menu
Retour à la cohorte
Enregistrement W2351981297

Research on Association Analysis Algorithm of Strategic Performance Based on FP-Growth

2011· article· en· W2351981297 sur OpenAlexvenueno aff
Xin Xiang

Notice bibliographique

RevueMicrocomputer applications · 2011
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Mining Algorithms and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAssociation rule learningComputer scienceProcess (computing)Data miningConstraint (computer-aided design)AlgorithmSet (abstract data type)Quality (philosophy)Clipping (morphology)Mathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

When dealing with the issues of KPI association rule mining on strategic performance,FP-Growth can't simplify the computing process according to requirements of business,and caused lots of redundant computing which effected the efficiency of the algorithm,So a FP-Growth based association analysis algorithm of strategic performance is proposed.By the constraint method based on rules,the FP-Growth algorithm is advanced.On the one hand,the efficiency of frequent item set mining is improved by adding clipping operation in the process of mining.On the other hand,association rules based on business are generated by adding constraints based on rules in the process of association rule generating process,therefore,redundant computing is reduced and efficiency of the algorithm is improved.At last,a case of service quality indicators for research in a university is presented to verify the feasibility of the algorithm.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,087
Tête enseignante GPT0,314
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrocomputer applicationsMême sujetData Mining Algorithms and ApplicationsTravaux en français237 207