Mekân-Zamansal Yüksek Ortalama-Faydalı Örüntülerin Madenciliği için Tekniklerin Geliştirilmesi

Abstract

Klasik birliktelik analizi öğelerin ikili (boolean) olduğunu varsayar ve öğelerin ağırlığını/faydasını (bir ürünün bir müşteri tarafından birden fazla satın alınması, bir hastalık için sağlık parametrelerinin önem derecelerinin olması, işlenen suçların önem derecelerinin veya sayısının olması gibi) göz önüne almaz. Bu eksikliğin giderilmesi için örüntüyü oluşturan öğelerin faydalarını gözönüne alan yüksek faydalı örüntü (YFÖ) madenciliği çalışmaları yapılmıştır. Ancak YFÖ madenciliği çalışmalarında eğer bir öğe yüksek faydalı ise (bir ürünün kar oranının yüksek olması gibi), bu öğe ile birliktelik oluşturan faydalı ve/veya faydasız (zarar ettiren ürünler gibi) bütün öğeler yüksek faydalı örüntülere dahil olabilmektedir. Bu durumda bazı örüntülerin fayda değeri düşmekte ve bazı örüntüler ise yaygınlığını kaybedebilmektedir. Bu eksikliği gidermek için, literatürde, içerdiği öğelerin ortalama faydalarının belirli bir fayda değerinin altında olmadığı örüntülerin analizini yapan yüksek ortalama-faydalı örüntü (YOFÖ) madenciliği çalışmaları yapılmıştır. Geleneksel YOFÖ madenciliği yöntemleri verilerin zamansal ve mekânsal özelliklerini göz ardı ederler. Bu durum zamansal ve mekânsal verilerin analizinde doğru sonuçlar almayı zorlaştırabilmektedir. Bu proje kapsamında bu eksikliği gidermek için zamansal ve mekânsal yüksek ortalama-faydalı örüntülerin madenciliği için yeni ve özgün değerlendirme ölçütleri (üst sınırlar) ve veri yapıları ve bu üst sınır ve veri yapılarını kullanan etkin algoritmalar geliştirilmiştir. Geliştirilen algoritmaların performansları literatürde var olanlar ile gerçek ve sentetik veriler üzerinde karşılaştırılmıştır. Elde edilen sonuçlar önerilen algoritmaların literatürde var olan yaklaşımlardan daha etkin sonuçlar verdğini ortaya koymuştur.