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 | Humber Institute of Technology and Advanced Learning | - |
Autor(es): dc.creator | Colombo, Alexandre | - |
Autor(es): dc.creator | Spolon, Roberta | - |
Autor(es): dc.creator | Junior, Aleardo Manacero | - |
Autor(es): dc.creator | Lobato, Renata Spolon | - |
Autor(es): dc.creator | Cavenaghi, Marcos Antônio | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:39:29Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:39:29Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2021-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1504/IJBIDM.2022.123805 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/241304 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/241304 | - |
Descrição: dc.description | Association rule mining is one of the most common tasks in data analysis. It has a descriptive feature used to discover patterns in sets of data. Most existing approaches to data analysis have a constraint related to execution time. However, as the size of datasets used in the analysis grows, memory usage tends to be the constraint instead, and this prevents these approaches from being used. This article presents a new method for data analysis called apriori-roaring. The apriori-roaring method is designed to identify frequent items with a focus on scalability. The implementation of this method employs compressed bitmap structures, which use less memory to store the original dataset and to calculate the support metric. The results show that apriori-roaring allows the identification of frequent elements with much lower memory usage and shorter execution time. In terms of scalability, our proposed approach outperforms the various traditional approaches available. | - |
Descrição: dc.description | Computing Department São Paulo State University, Bauru, SP | - |
Descrição: dc.description | Department of Computer Science and Statistics São Paulo State University, São José do Rio Preto, SP | - |
Descrição: dc.description | Faculty of Business Humber Institute of Technology and Advanced Learning | - |
Descrição: dc.description | Computing Department São Paulo State University, Bauru, SP | - |
Descrição: dc.description | Department of Computer Science and Statistics São Paulo State University, São José do Rio Preto, SP | - |
Formato: dc.format | 48-65 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | International Journal of Business Intelligence and Data Mining | - |
???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 | frequent pattern mining | - |
Palavras-chave: dc.subject | knowledge discovery | - |
Título: dc.title | Apriori-roaring: frequent pattern mining method based on compressed bitmaps | - |
Tipo de arquivo: dc.type | livro 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: