Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Faculty of Business | - |
Autor(es): dc.creator | Colombo, Alexandre | - |
Autor(es): dc.creator | Spolon, Roberta | - |
Autor(es): dc.creator | Lobato, Renata Spolon | - |
Autor(es): dc.creator | Manacero, Aleardo | - |
Autor(es): dc.creator | Cavenaghi, Marcos Antonio | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:32:33Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:32:33Z | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2020-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/ISCC53001.2021.9631495 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/230253 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/230253 | - |
Descrição: dc.description | Mining association rules is a process which consists in extracting knowledge from datasets. This is a widely used technique to analyze customer purchasing patterns, and its process is segmented in two main phases: mining frequent sets and formulating association rules. Several approaches were developed for the first phase of the mining process whose main objective was to reduce execution time. However, as all available datasets are very large (Big Data), there is a limitation regarding its application in these new sets due to excessive memory usage. We propose the Apriori-Roaring-Parallel which explores parallelism in shared memory and demands less memory usage during the mining process. In order to achieve this memory usage reduction, the Apriori-Roaring-Parallel method employs compressed bitmap structures to represent the datasets. The results obtained show that the Apriori-Roaring-Parallel method uses memory efficiently when compared to other methods. | - |
Descrição: dc.description | São Paulo State University UNESP Computing Department | - |
Descrição: dc.description | São Paulo State University UNESP Department of Computer Science And Statistics, São José do Rio Preto | - |
Descrição: dc.description | Humber Institute of Technology And Advanced Learning Faculty of Business | - |
Descrição: dc.description | São Paulo State University UNESP Computing Department | - |
Descrição: dc.description | São Paulo State University UNESP Department of Computer Science And Statistics, São José do Rio Preto | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings - IEEE Symposium on Computers and Communications | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Association Rules | - |
Palavras-chave: dc.subject | Bitmap Compression | - |
Palavras-chave: dc.subject | Data Mining | - |
Palavras-chave: dc.subject | Identification of Frequent Sets | - |
Título: dc.title | Apriori-Roaring-Parallel: Frequent pattern mining based on compressed bitmaps with OpenMP | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: