| DC Field | Value | Language |
|---|
| dc.contributor.author | Шаховська, Наталя | |
| dc.contributor.author | Камінський, Роман | |
| dc.contributor.author | Засоба, Є. О. | |
| dc.coverage.temporal | 21–23 листопада 2017 року | |
| dc.date.accessioned | 2018-03-13T14:56:49Z | - |
| dc.date.available | 2018-03-13T14:56:49Z | - |
| dc.date.created | 2017-11-21 | |
| dc.date.issued | 2017-11-21 | |
| dc.identifier.citation | Шаховська Н. Метод пошуку асоціативних залежностей у великих даних / Наталя Шаховська, Роман Камінський, Є. О. Засоба // Інноваційні комп’ютерні технології у вищій школі : матеріали 9-ої Науково-практичної конференції, Львів, 21–23 листопада 2017 року. — Львів : Видавництво Наукового товариства ім. Шевченка, 2017. — С. 193–198. | |
| dc.identifier.uri | https://ena.lpnu.ua/handle/ntb/39763 | - |
| dc.description.abstract | В роботі запропоновано метод аналізу Великих даних в умовах наявності різних джерел даних та різних методів опрацювання цих даних. Уведено поняття асоціативної залежності, розроблено метод пошуку залежностей, визначено ефективність та можливості його розпаралелення. | |
| dc.description.abstract | The paper proposes a method for analyzing large data in the presence of various data sources and various methods for processing these data. The concept of associative dependence was introduced, the method of finding dependencies was developed, efficiency and possibilities of its parallelism were determined. | |
| dc.format.extent | 193-198 | |
| dc.language.iso | uk | |
| dc.publisher | Видавництво Наукового товариства ім. Шевченка | |
| dc.publisher | Vydavnytstvo Naukovoho tovarystva im. Shevchenka | |
| dc.relation.ispartof | Інноваційні комп’ютерні технології у вищій школі : матеріали 9-ої Науково-практичної конференції, Львів, 2017 | |
| dc.relation.uri | http://www.klarity-analytics.com/392-dimensions-of-big-data.html | |
| dc.subject | великі дані | |
| dc.subject | асоціативне правило | |
| dc.subject | залежність даних | |
| dc.subject | складність алгоритму | |
| dc.subject | паралельне опрацювання | |
| dc.subject | large data | |
| dc.subject | associative rule | |
| dc.subject | dependence of data | |
| dc.subject | complexity of algorithm | |
| dc.subject | parallel processing | |
| dc.title | Метод пошуку асоціативних залежностей у великих даних | |
| dc.type | Conference Abstract | |
| dc.rights.holder | © Національний університет «Львівська політехніка», 2017 | |
| dc.contributor.affiliation | Національний університет «Львівська політехніка» | |
| dc.format.pages | 6 | |
| dc.identifier.citationen | Shakhovska N. Metod poshuku asotsiatyvnykh zalezhnostei u velykykh danykh, Natalia Shakhovska, Roman Kaminskyi, Ye. O. Zasoba, Innovatsiini kompiuterni tekhnolohii u vyshchii shkoli : materialy 9-oi Naukovo-praktychnoi konferentsii, Lviv, 21–23 listopada 2017 roku. — Lviv : Vydavnytstvo Naukovoho tovarystva im. Shevchenka, 2017. — pp. 193–198. | |
| dc.relation.references | 1. Zaki, M. J. (2000). Scalable algorithms for association mining. IEEE Transactions on Knowledge and Data Engineering12(3): 372–3900с. | |
| dc.relation.references | 2. J. Han, H. Pei, and Y. Yin. Mining Frequent Patterns without Candidate Generation. In: Proc. Conf. on the Management of Data (SIGMOD’00, Dallas, TX). ACM Press, New York, NY, USA 2000.. | |
| dc.relation.references | 3. Пшеничний О. Ю. Математичне та програмне забезпечення виявлення кон’юнктивних асоціативних залежностей у великих масивах даних : автореферат дисертації на здобуття наукового ступеня кандидата технічних наук : 01.05.03 – математичне та програмне забезпечення обчислювальних машин і систем / Олександр Юрійович Пшеничний ; Національний університет «Львівська політехніка» . - Львів, 2012. - 24 с.. | |
| dc.relation.references | 4. Delgado, M., Ruiz, M.D. & Sánchez, D., New approaches for discovering exception and anomalous rules. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 19(02), pp. 361–399, 2011. | |
| dc.relation.references | 5. Berzal, Fernando, et al., A new framework to assess association rules. In Advances in Intelligent Data Analysis, Springer Berlin: Heidelberg, pp. 95–104, 2001. | |
| dc.relation.references | 6. Hüllermeier, E., Association rules for expressing gradual dependencies. In Principles of Data Mining and Knowledge Discovery, Springer Berlin: Heidelberg, pp. 200–211,2002. | |
| dc.relation.references | 7. Шаховська Н.Б. Програмне та алгоритмічне забезпечення сховищ та просторів даних:мМонографія / Міністерство освіти і науки України, Національний університет «Львівська політехніка». – Львів, 2010. – 194 с. | |
| dc.relation.references | 8. Шаховська Н.Б. Структура та задачі простору даних // Складні системи і процеси. — 2008. — № 1. — С. 73—86. | |
| dc.relation.references | 9. Big Data Dimensions, http://www.klarity-analytics.com/392-dimensions-of-big-data.html | |
| dc.relation.references | 10. Agrawal, Rakesh, Imielinski, Tomasz & Swami, Arun, Mining association rules between sets of items in large databases. ACM SIGMOD Record, 22, pp. 207–216,1993. | |
| dc.relation.referencesen | 1. Zaki, M. J. (2000). Scalable algorithms for association mining. IEEE Transactions on Knowledge and Data Engineering12(3): 372–3900p. | |
| dc.relation.referencesen | 2. J. Han, H. Pei, and Y. Yin. Mining Frequent Patterns without Candidate Generation. In: Proc. Conf. on the Management of Data (SIGMOD’00, Dallas, TX). ACM Press, New York, NY, USA 2000.. | |
| dc.relation.referencesen | 3. Pshenychnyi O. Yu. Matematychne ta prohramne zabezpechennia vyiavlennia koniunktyvnykh asotsiatyvnykh zalezhnostei u velykykh masyvakh danykh : avtoreferat dysertatsii na zdobuttia naukovoho stupenia kandydata tekhnichnykh nauk : 01.05.03 – matematychne ta prohramne zabezpechennia obchysliuvalnykh mashyn i system, Oleksandr Yuriiovych Pshenychnyi ; Natsionalnyi universytet "Lvivska politekhnika" , Lviv, 2012, 24 p.. | |
| dc.relation.referencesen | 4. Delgado, M., Ruiz, M.D. & Sánchez, D., New approaches for discovering exception and anomalous rules. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 19(02), pp. 361–399, 2011. | |
| dc.relation.referencesen | 5. Berzal, Fernando, et al., A new framework to assess association rules. In Advances in Intelligent Data Analysis, Springer Berlin: Heidelberg, pp. 95–104, 2001. | |
| dc.relation.referencesen | 6. Hüllermeier, E., Association rules for expressing gradual dependencies. In Principles of Data Mining and Knowledge Discovery, Springer Berlin: Heidelberg, pp. 200–211,2002. | |
| dc.relation.referencesen | 7. Shakhovska N.B. Prohramne ta alhorytmichne zabezpechennia skhovyshch ta prostoriv danykh:mMonohrafiia, Ministerstvo osvity i nauky Ukrainy, Natsionalnyi universytet "Lvivska politekhnika", Lviv, 2010, 194 p. | |
| dc.relation.referencesen | 8. Shakhovska N.B. Struktura ta zadachi prostoru danykh, Skladni systemy i protsesy, 2008, No 1, P. 73-86. | |
| dc.relation.referencesen | 9. Big Data Dimensions, http://www.klarity-analytics.com/392-dimensions-of-big-data.html | |
| dc.relation.referencesen | 10. Agrawal, Rakesh, Imielinski, Tomasz & Swami, Arun, Mining association rules between sets of items in large databases. ACM SIGMOD Record, 22, pp. 207–216,1993. | |
| dc.citation.conference | 9-а науково-практична конференція "Інноваційні комп’ютерні технології у вищій школі" | |
| dc.citation.journalTitle | Інноваційні комп’ютерні технології у вищій школі : матеріали 9-ої Науково-практичної конференції, Львів | |
| dc.citation.spage | 193 | |
| dc.citation.epage | 198 | |
| dc.coverage.placename | Львів | |
| dc.subject.udc | 004.9 | |
| dc.subject.udc | 530.1 | |
| Appears in Collections: | Інноваційні комп'ютерні технології у вищій школі. – 2017 р.
|
