Resumen

El presente artculo propone un nuevo modelo para la exploracin de patrones vacilantes a partir de mltiples niveles de jerarqua conceptual en el conjunto de datos transaccionales. La prctica habitual de extraccin de patrones se ha centrado en la identificacin de patrones frecuentes (es decir, que aparecen juntos) en el conjunto de datos transaccionales, pero descubre la informacin vital sobre los patrones que son casi frecuentes (pero no exactamente frecuentes), denominados patrones vacilantes. El modelo propuesto utiliza el umbral de soporte mnimo reducido (contiene dos valores: atractivo y vacilacin) y el umbral de confianza mnimo constante con el enfoque de profundizacin progresiva descendente para generar patrones y utilizar la propiedad apriori. Para validar el modelo, se ha considerado un escenario de compra en lnea de libros a travs de plataformas de compra en lnea basadas en el comercio electrnico, como Amazon, y se ha demostrado que los diversos factores contribuyen a generar indecisin a la hora de comprar un libro. El presente trabajo sugiere una forma novedosa de derivar patrones de indecisin a partir de mltiples niveles en la jerarqua conceptual con respecto al conjunto de datos objetivo. Adems, se observa que los conceptos y teoras disponibles en el trabajo relacionado existente Lu y Ng (2007) slo se centran en el aspecto introductorio de la minera de reglas de asociacin de indecisin basada en la teora de conjuntos vagos, que no es til para manejar los patrones de mltiples niveles de granularidad, mientras que el modelo propuesto es completo por naturaleza y aborda el problema muy significativo e intacto de la minera de patrones de indecisin multinivel y es ciertamente til para explorar los patrones de indecisin de mltiples niveles de granularidad basados en el estado de indecisin considerado en un conjunto de datos transaccional. Los responsables de la toma de decisiones y los analistas empresariales pueden utilizar estos patrones de duda para elaborar estrategias que aumenten el nivel de atraccin de los artculos dudosos (que aparecen en una transaccin o conjunto de transacciones concreto en un conjunto de datos determinado) para convertir su estado de duda en artculos preferidos.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:propone; exploración; patrones vacilantes; niveles múltiples; jerarquía conceptual; conjunto de datos transaccionales
• Keywords:proposes; exploration; hesitated patterns; multiple levels; conceptual hierarchy; transactional dataset