فهرس المقالات Association Rule

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - ارائه الگوی ترکیبی داده کاوی با استفاده از قواعد انجمنی و خوشه بندی جهت شناسایی الگوهای غالب رفتار مشتریان (مطالعه موردی : بانک انصار)
  ایمان غریب عباس طلوعی کامبیز حیدرزاده
  با توجه به رقابت بانک‌ها در جذب مشتریان و تاثیر عوامل روانشناختی و محیطی بر روی رفتار آنها در طول زمان، در بخش بندی مشتریان میبایست پویایی رفتار آنها را مورد بحث قرار داد. شناسایی الگوهای غالب رفتاری مشتریان و انتقال آن به بخشهای مختلف در طول زمان از موضوعات مهم این حوز أکثر

  با توجه به رقابت بانک‌ها در جذب مشتریان و تاثیر عوامل روانشناختی و محیطی بر روی رفتار آنها در طول زمان، در بخش بندی مشتریان میبایست پویایی رفتار آنها را مورد بحث قرار داد. شناسایی الگوهای غالب رفتاری مشتریان و انتقال آن به بخشهای مختلف در طول زمان از موضوعات مهم این حوزه میباشد. این پژوهش بر آن است با تمرکز بر پویای رفتار مشتریان به شناسایی گروه‌های‌رفتاری، الگوهای غالب جابجایی، ویژگی‌ها و الگوهای حاکم بر جابجایی مشتریان بانک انصار بپردازد. جهت استخراج الگوهای رفتاری، روشی ترکیبی مبتنی بر خوشه بندی و قوانین انجمنی (k-means و الگوریتم اپریوری) استفاده شده است. بر اساس نتایج بدست آمده چهار گروه رفتاری" مشتریان کم ارزش با الگوی پایدار"، "مشتریان کم ارزش با الگوی سودآوری ناپایدار"، "مشتریان رویگردان شده با سودآوری متوسط"، "مشتریان وفادار با سودآوری کم" شناسایی و ارتباط بین آنها مورد تحلیل قرار گرفته است. بر اساس یافته‌های بدست آمده، میتوان به مدیران ارشد در اتخاذ استراتژی‌های بازاریابی مناسب در جهت بهبود الگوهای رفتاری کمک شایان توجهی داشت. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - کاربرد داده کاوی آموزشی جهت شناسایی عوامل مؤثر بر افت تحصیلی دانش آموزان
  محمود نجفی مهدی افضلی محمود مرادی
  استخراج دانش یکی از مهمترین مسائل داده‌کاوی می‌باشد. قوانینی که به‌صورت اگر - آنگاه مطرح می‌گردند، این توانایی را دارند که به صورت اعداد حقیقی در هر جزء به صورت تمام مقادیری که در مجموعه‌ داده می‌تواند وجود داشته باشد، قرار بگیرند. روش پیشنهادی در این مقاله استفاده از ا أکثر

  استخراج دانش یکی از مهمترین مسائل داده‌کاوی می‌باشد. قوانینی که به‌صورت اگر - آنگاه مطرح می‌گردند، این توانایی را دارند که به صورت اعداد حقیقی در هر جزء به صورت تمام مقادیری که در مجموعه‌ داده می‌تواند وجود داشته باشد، قرار بگیرند. روش پیشنهادی در این مقاله استفاده از الگوریتم‌های درخت تصمیم و خوشه‌بندی و قوانین انجمنی برای استخراج قوانین می‌باشد. در روش پیشنهادی استخراج قوانین را به صورت یک مسئله بهینه‌سازی در آورده و هدف به دست آوردن قانونی با اطمینان بالا، عمومیت و قابلیت درک بالا می‌باشد. الگوریتم پیشنهادی برای استخراج قوانین ازمجموعه داده افت تحصیلی از اطلاعات فردی256 دانش‌آموزان هنرستان‌ها در زنجان جمع‌آوری شده و تست گردید. از نتایج به دست آمده از این تحقیق می توان برای پیشگیری از افت تحصیلی دانش‌آموزان و بهبود کیفیت ارتباط مسوولین و والدین با دانش‌آموزان و آموزش هر چه بهتر آنان استفاده کرد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - Mining a Set of Rules for Determining the Waiting Time for Selling Residential Units
  Farshid Abdi Shaghayegh Abolmakarem
  10.30495/jsm.2021.1931499.1480
  Being aware of the waiting time for selling residential units is one of the important issues in the housing sector for the majority of people, especially investors. There are several factors affecting the waiting time for selling residential units. Determining the influ أکثر

  Being aware of the waiting time for selling residential units is one of the important issues in the housing sector for the majority of people, especially investors. There are several factors affecting the waiting time for selling residential units. Determining the influential factors on the time period of selling real estates can lead to an informed decision making by real estate consultants, sellers as well as those seeking to buy real estates. Using a real estate database in Iran, the present paper proposes a two-module procedure. The first module deals with implementation of association rule mining. Using the well-known association rule mining techniques namely FP-Growth, several association rules have been extracted which indicate the effective factors on the waiting time for selling residential units. Generated association rules have been evaluated based on metrics such as support, confidence and lift and finally the best rules are selected. The main objective of the second module is to develop a fuzzy inference system which can determine the factors influencing the waiting time for selling residential units from historical data, so that the model can be used to estimate the time it to sell the property for a real estate agency. Several IF-THEN rules are extracted from this module. Extracted rules can be used by real estate agencies as well as buyers and sellers of residential units to make better decisions in their investments. In conclusion section, a number of suggestions for future studies are presented. For example, machine learning algorithms such as neural networks, decision trees, etc. can also be used to predict the duration of residential units’ sale.The main objective of the second module is to develop a fuzzy inference system which can learn about the factors that influence the waiting time for selling residential units from historical data, so that the model can be used to estimate the time it takes to sell the property for a real estate agency. Several IF-THEN rules are extracted from this module. Extracted rules can be used by real estate agencies as well as buyers and sellers of residential units to make better decisions in their investments. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - روش جدیدی برای رتبه‌بندی قواعد حاصل از داده‌کاوی با استفاده از تحلیل پوششی داده‌ها
  Hossein Azizi
  تکنیک‌های داده‌کاوی، یعنی استخراج الگوها از پایگاه‌های داده‌ای بزرگ، در تجارت به صورت گسترده‌ای مورد استفاده قرار می‌گیرند. با استفاده از این تکنیک‌ها ممکن است قواعد زیادی حاصل شوند و فقط تعداد کمی از آنها به دلیل محدودیت بودجه و منابع برای پیاده‌سازی در نظر گرفته شوند. أکثر

  تکنیک‌های داده‌کاوی، یعنی استخراج الگوها از پایگاه‌های داده‌ای بزرگ، در تجارت به صورت گسترده‌ای مورد استفاده قرار می‌گیرند. با استفاده از این تکنیک‌ها ممکن است قواعد زیادی حاصل شوند و فقط تعداد کمی از آنها به دلیل محدودیت بودجه و منابع برای پیاده‌سازی در نظر گرفته شوند. ارزیابی و رتبه‌بندی جالب بودن و مفید بودن قواعد انجمنی در داده‌کاوی اهمیت زیادی دارد. در مطالعات قبلی که در مورد شناسایی قواعد انجمنی جالب از نظر ذهنی انجام شده است، اکثر روش‌ها مستلزم وارد کردن دستی یا پرسیدن از کاربر برای افتراق صریح قواعد جالب از ناجالب بوده است. این روش‌ها نیازمند محاسبات بسیار زیادی هستند و حتی ممکن است به نتیجه‌گیری‌های ناسازگار منتهی شوند. برای غلبه بر این مشکلات، این مقاله پیشنهاد می‌کند که از رویکرد تحلیل پوششی داده‌ها (DEA) با مرز دوگانه برای انتخاب کارآترین قاعده‌ی انجمنی استفاده شود. در این رویکرد علاوه بر بهترین کارآیی نسبی هر قاعده‌ی انجمنی، بدترین کارآیی نسبی آن نیز در نظر گرفته می‌شود. در مقایسه با DEAی سنتی، رویکرد DEA با مرز دوگانه می‌تواند کارآترین قاعده‌ی انجمنی را به درستی و به آسانی شناسایی کند. به عنوان یک مزیت، رویکرد پیشنهادی از نظر محاسباتی کارآمدتر از کارهای قبلی در این زمینه است. با استفاده از مثالی از تحلیل سبد بازار، قابلیت کاربرد روش مبتنی بر DEAی ما برای اندازه‌گیری کارآیی قواعد انجمنی با معیارهای چندگانه نشان داده خواهد شد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - A Data Mining approach for forecasting failure root causes: A case study in an Automated Teller Machine (ATM) manufacturing company
  Seyedehpardis Bagherighadikolaei Rouzbeh Ghousi Abdolrahman Haeri
  10.22094/joie.2020.1863364.1630
  Based on the findings of Massachusetts Institute of Technology, organizations’ data double every five years. However, the rate of using data is 0.3. Nowadays, data mining tools have greatly facilitated the process of knowledge extraction from a welter of data. Thi أکثر

  Based on the findings of Massachusetts Institute of Technology, organizations’ data double every five years. However, the rate of using data is 0.3. Nowadays, data mining tools have greatly facilitated the process of knowledge extraction from a welter of data. This paper presents a hybrid model using data gathered from an ATM manufacturing company. The steps of the research are based on CRISP-DM. Therefore, based on the first step, business understanding, the company and its different units were studied. After business understanding, the data collected from sale's unit were prepared for preprocess. While preprocessing, data from some columns of dataset, based on their types and purpose of the research, were either categorized or coded. Then, the data have been inserted into Clementine software, which resulted in modeling and pattern discovery. The results clearly state that, the same Machines’ Code and the same customers in different provinces are struggling with significantly different Problems’ Code, that could be due to weather condition, culture of using ATMs, and likewise. Moreover, the same Machines’ Code and the same Problems’ Code, as well as differences in Technicians' expertise, seems to be some causes to significantly different Repair Time. This could be due to Technicians' training background level of their expertise and such. At last, the company can benefit from the outputs of this model in terms of its strategic decision-making. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - Identifying and Evaluating Effective Factors in Green Supplier Selection using Association Rules Analysis
  Mohammad Amin Adibi Nima Esfandyari
  10.22094/joie.2020.575685.1589
  Nowadays companies measure suppliers on the basis of a variety of factors and criteria that affect the supplier's selection issue. This paper intended to identify the key effective criteria for selection of green suppliers through an efficient algorithm callediterative أکثر

  Nowadays companies measure suppliers on the basis of a variety of factors and criteria that affect the supplier's selection issue. This paper intended to identify the key effective criteria for selection of green suppliers through an efficient algorithm callediterative process mining or i-PM. Green data were collected first by reviewing the previous studies to identify various environmental criteria. Then, the suppliers were evaluated and ranked on the basis of those criteria. The score table derived for the green criteria was one of the inputs to the algorithm. Moreover, membership functions and minimum support values ​​were specified for each criterion as another input to the algorithm. The supplier ranking index was also obtained based on the score assigned to supplier's performance. Then, the hidden relationships between data were discovered and association rules were achieved and analyzed to identify the most important green criterion for selecting green suppliers. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  7 - کشف دانش حاکم بر ویژگی‌های جمعیت‌شناختی مشتریان در انتخاب بانک‌ها با استفاده از قوانین انجمنی در داده کاوی
  ناصر قبولی علیرضا بافنده زنده صمد عالی
  10.30495/jmemiau.2023.707592
  هدف از پژوهش حاضر کشف دانش حاکم بر ویژگی های جمعیت شناختی مشتریان در انتخاب بانک‌ها با استفاده از قوانین انجمنی در داده کاوی است تصمیم گیری مؤثر و یادگیری در دنیای در حال رشد و با پیچیدگی های چشمگیر علاوه بر وجود مدیران و رهبرانی متفکر، نیاز به ابزارهایی جهت درک ساختاره أکثر

  هدف از پژوهش حاضر کشف دانش حاکم بر ویژگی های جمعیت شناختی مشتریان در انتخاب بانک‌ها با استفاده از قوانین انجمنی در داده کاوی است تصمیم گیری مؤثر و یادگیری در دنیای در حال رشد و با پیچیدگی های چشمگیر علاوه بر وجود مدیران و رهبرانی متفکر، نیاز به ابزارهایی جهت درک ساختارهای سیستم های پیچیده و تلخیص انبوه داده ها و تولید دانش برای تصمیم گیری دارند. اکثر کسب‌وکارها، مشتریان کلیدی خود را از طریق ویژگی جمعیت شناختی متنوع شناسایی می کنند. کسب‌وکارها همچنین مصرف کنندگان خود را به وسیلۀ ویژگی های مشابه در تبلیغات و ترفیعات برنامه های بازاریابی خود هدف قرار می‌دهند. هدف گیری مصرف کنندگان با ویژگی های جمعیت شناختی مشابه به حداکثرسازی فروش و سودآوری کسب‌وکار کمک می نماید. بانک‌ها نیز به عنوان بخش مهمی از اقتصاد یک کشور از این قاعده مستثنی نیستند. داده‌کاوی این مسأله را با فراهم کردن روش‌ها و نرم‌افزارهایی برای خودکارسازی تحلیل‌ها و اکتشاف از مجموعۀ داده‌های بزرگ و پیچیده حل می‌کند. این پژوهش بر اساس استاندارد CRISP-DM انجام گرفته و داده ها با پرسشنامه جمع آوری شده و نتایج آن به‌صورت بانک اطلاعاتی به یک نود منبع تبدیل و سپس با استفاده از نرم‌افزار spss modeler قوانین انجمنی مربوط به رفتار مشتریان آن بانک استخراج شده است. قوانین استخراج نشان‌دهندۀ تغییر ها، چه تأثیری در سایر عوامل و در نهایت در دستیابی به اهداف دارند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  8 - Mining users` navigation patterns for building web pages recommendation system
  Farzad Soleymani Sabzchi Shahram Jamali Maryam Jafari
  Due to the quick growth of the World Wide Web, retrieval of useful information from the Internet for a particular web user or a group of users becomes very difficult. Recommendation systems using web usage mining help providing an adaptive web environment for the web us أکثر

  Due to the quick growth of the World Wide Web, retrieval of useful information from the Internet for a particular web user or a group of users becomes very difficult. Recommendation systems using web usage mining help providing an adaptive web environment for the web users. This paper presents a novel approach for page recommendation using fuzzy association rule mining algorithm. This method extracts previous users` access patterns and then employs them to recommend appropriate web pages for the active user. An illustrative example explains this method in details. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  9 - Association Rule Mining Using New FP-Linked List Algorithm
  Mohammad Karim Sohrabi Hamidreza Hasannejad Marzooni
  Finding frequent patterns plays a key role in exploring association patterns, correlation, and many other interesting relationships that are applicable in TDB. Several association rule mining algorithms such as Apriori, FP-Growth, and Eclat have been proposed in the lit أکثر

  Finding frequent patterns plays a key role in exploring association patterns, correlation, and many other interesting relationships that are applicable in TDB. Several association rule mining algorithms such as Apriori, FP-Growth, and Eclat have been proposed in the literature. FP-Growth algorithm construct a tree structure from transaction database and recursively traverse this tree to extract frequent patterns which satisfies the minimum support in a depth first search manner. Because of its high efficiency, several frequent pattern mining methods and algorithms have used FP-Growth’s depth first exploration idea to mine frequent patterns. These algorithms change the FP-tree structure to improve efficiency. In this paper, we propose a new frequent pattern mining algorithm based on FP-Growth idea which is using a bit matrix and a linked list structure to extract frequent patterns. The bit matrix transforms the dataset and prepares it to construct as a linked list which is used by our new FPBitLink Algorithm. Our performance study and experimental results show that this algorithm outperformed the former algorithms. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  10 - Double Clustering Method in Hiding Association Rules
  Zahra Kiani Abari Mohammad Naderi Dehkordi
  Association rules are among important techniques in data mining which are used for extracting hidden patterns and knowledge in large volumes of data. Association rules help individuals and organizations take strategic decisions and improve their business processes. Extr أکثر

  Association rules are among important techniques in data mining which are used for extracting hidden patterns and knowledge in large volumes of data. Association rules help individuals and organizations take strategic decisions and improve their business processes. Extracted association rules from a database contain important and confidential information that if published, the privacy of individuals may be threatened. Therefore, the process of hiding sensitive association rules should be performed prior to sharing the database. This is done through changing the database transactions. These changes must be made in such a way that all sensitive association rules are hidden and a maximum number of non-sensitive association rules are extractable from the sanitized database. In fact, a balance is to be established between hiding the sensitive rules and extracting the non-sensitive rules. A new algorithm is presented in this paper to create a balance between preserving privacy and extracting knowledge. The items of sensitive rules are clustered in the proposed algorithm, in order to reduce changes. In fact, reduction of changes and clustering of rules are applied in order to reduce the side effects of the hiding process on non-sensitive rules. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  11 - Comparing the speed and time of association extraction from database with cuckoo search and genetic algorithms
  Payam Abdolmohammadi Roham Farahani
  10.30495/ijsee.2023.1974141.1240
  This paper aims to study the appropriate data mining method to extract the rules from a data set and examining the benefits of using the cuckoo algorithm to extract association rules and compare the execution time of the cuckoo algorithm and genetic algorithm (GA). Ther أکثر

  This paper aims to study the appropriate data mining method to extract the rules from a data set and examining the benefits of using the cuckoo algorithm to extract association rules and compare the execution time of the cuckoo algorithm and genetic algorithm (GA). Therefore, an algorithm is proposed that includes two parts: preprocessing and mining. The first part presents the procedures related to the calculation of cuckoo fit values and in the second part of the algorithm, which is the main achievement of this research. Support and confidence The best position can show the least confidence and support.These mining results can be used to continue mining the association rules. The proposed algorithm is based on the cuckoo search. It hides the sensitive relationship rules with a lower time cost and, at the same time, controls the peripheral effects of non-sensitive rules in a better way. This aim is achieved using recurring to the objective function. The GA is set to be the evaluation criterion to show the prominence of the proposed method. In this method, we compare the speed of the cuckoo algorithm with the genetic algorithm, which uses genetic evolution as a problem-solving model. In general, it is an algorithm based on repetition, most of its parts are selected as random processes, and these algorithms are part of the fitting function. It was chosen as a criterion and we paid .It is scientifically proven that the cuckoo algorithm outperforms the GA in the execution time. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  12 - کاوش قوانین پیوستگی کمی در بازار سهام با استفاده از الگوریتم های فراابتکاری چندهدفه مبتنی بر الگوریتم ژنتیک
  مصطفی زندیه سیما مردانلو
  پیش بینی بازده سهام موضوعی مهم در حوزه مالی است که توجه محققان را برای سالهای بسیاری به خود جلب کرده است. سرمایه گذاران همواره در تلاش برای پیدا کردن راهی برای پیش بینی قیمت سهام و پیدا کردن سهام و زمان مناسب برای خرید و یا فروش هستند. اخیرا، از تکنیک های داده کاوی و تک أکثر

  پیش بینی بازده سهام موضوعی مهم در حوزه مالی است که توجه محققان را برای سالهای بسیاری به خود جلب کرده است. سرمایه گذاران همواره در تلاش برای پیدا کردن راهی برای پیش بینی قیمت سهام و پیدا کردن سهام و زمان مناسب برای خرید و یا فروش هستند. اخیرا، از تکنیک های داده کاوی و تکنیک های هوش مصنوعی در این حوزه استفاده می شود. کشف قوانین پیوستگی یکی از رایج ترین روش های داده کاوی مورد استفاده جهت استخراج دانش از مجموعه داده های بزرگ است. برخی محققین کاوش قوانین پیوستگی را به عنوان یک مسئله چند هدفه بیان کرده اند، که به طور مشترک چند معیار را برای به دست آوردن یک مجموعه با قوانین جالب تر و دقیق تر بهینه سازی می کند. در این پژوهش، یک مدل تکاملی چند هدفه جدید ارائه می دهیم که قابلیت درک، جالب بودن و کارایی را به منظور کاوش مجموعه ای از قوانین پیوستگی کمی از داده های مالی، شامل 10 تا از رایج ترین نشانگرهای تحلیل تکنیکی، حداکثر می کند. برای این منظور، این مدل، دو الگوریتم تکاملی چندهدفه معروف الگوریتم ژنتیک مرتب سازی نامغلوب II و الگوریتم ژنتیک رتبه بندی شده نامغلوب را برای انجام فراگیری تکاملی فواصل ویژگی ها و انتخاب شرایط برای هر قانون گسترش می دهد. علاوه براین، مدل ارائه شده، یک جمعیت خارجی و یک فرایند شروع مجدد را برای مدل تکاملی به منظور ذخیره تمام قوانین نامغلوب یافته شده و بهبود تنوع مجموعه قوانین به دست آمده معرفی می کند. نتایج به دست آمده بر روی داده های سهام در دنیای واقعی، اثربخشی روش ارائه شده را نشان می دهد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  13 - ارائه رویکردی نوین مبتنی بر قوائد انجمنی جهت بررسی ارتباطات بازار نفت با بازارهای جهانی
  رضا خسروی احسان محمدیان امیری پوریا رضایی سیدبابک ابراهیمی
  در عصر کنونی بررسی ارتباطات میان بازار‌های مختلف و تاثیرگذاری آنان بر روی یکدیگر به یک امر ضروری برای سرمایه‌گذاران خرد و کلان تبدیل گشته است. با بررسی ارتباط بین بازارها علاوه بر آن‌که شخص سرمایه‌گذار می‌تواند در خصوص میزان تاثیرات بازارها، اطلاعات خود را بدست آورد، در أکثر

  در عصر کنونی بررسی ارتباطات میان بازار‌های مختلف و تاثیرگذاری آنان بر روی یکدیگر به یک امر ضروری برای سرمایه‌گذاران خرد و کلان تبدیل گشته است. با بررسی ارتباط بین بازارها علاوه بر آن‌که شخص سرمایه‌گذار می‌تواند در خصوص میزان تاثیرات بازارها، اطلاعات خود را بدست آورد، در زمینه شناسایی ریسک‌های مختلف نیز به او کمک شایانی می‌نماید. بر حسب اهمیت موضوع، در این مقاله سعی بر بررسی ارتباط میان بازار نفت با بازارهای طلا، دلار، شرکت‌ها و صندوق‌های فعال در حوزه انرژی با استفاده از رویکرد نوین قوائد انجمنی و الگوریتم آپریوری، شده است. استفاده از قوائد انجمنی سبب بررسی صریح ارتباطات بین فیلد‌های پایگاه‌های داده شده و روابط و وابستگی‌های متقابل بین مجموعه بزرگی از اقلام داده‌ای را مشخص می‌سازد. نتایج این تحقیق حاکی از رابطه مستقیم بازار نفت با شرکت‌ها و صندوق‌های فعال در حوزه انرژی و رابطه‌ای معکوس با شاخص دلار می‌باشد. همچنین رابطه محسوسی بین بازار نفت و طلا نیز یافت نشد. تفاصيل المقالة