Computer Science and Information Systems
2023
SCI · IF 1.4
資料探勘 × Skyline
The Effective Skyline Quantify-Utility Patterns Mining Algorithm with Pruning Strategies
不只看「買多常」，也看「買多少」：數量-效用天際線樣式探勘
Jimmy Ming-Tai Wu, Ranran Li, Pi-Chung Hsu, Mu-En Wu* ｜ Computer Science and Information Systems, 20(3): 1085–1108, Jun. 2023
一句話：傳統高效用樣式探勘多只看頻率與效用。這篇同時納入「數量」,定義數量-效用天際線樣式(SQUP),並用有效剪枝免設門檻、快又準地找出全部。
先問：這在解什麼問題？the problem
物聯網與智慧裝置每天產生海量交易資料。企業想知道「哪些商品組合最有價值」,但傳統 skyline / 高效用探勘多半只看頻率或效用單一面向,忽略了「買了多少數量」這個真實商業維度;而且常需要使用者自己訂一個門檻值,難以拿捏。
關鍵補位:老闆不只在意「這組商品多常一起買」,也在意「一次買多少量」——把『數量』放進效用探勘,才貼近真實決策。
怎麼做？重點方法the method
SQUP數量-效用天際線樣式
定義同時納入『數量』與『效用』兩維度的樣式,並利用 skyline 特性回傳未被支配的樣式集——免設門檻。
Utility-Quantity List效用-數量清單結構
以此清單結構為基礎有效組織候選,支撐後續快速運算。
MUSQ + QMUA兩大剪枝利器
掃描一次算出 SQUP 最小效用(MUSQ)提前剪枝;再用 QMUA 陣列存數量的最大效用,進一步加速。
對應兩個演算法:FSKYQUP-Miner 與 FSKYQUP,兼顧正確性與效率。
流程：交易資料 → 效用-數量清單 → MUSQ 剪枝 → QMUA 加速 → 找出所有天際線樣式
帶來什麼？why it matters
把「數量」正式納入 skyline 效用探勘、又免去使用者自訂門檻的麻煩,配上兩層剪枝加速,讓在海量物聯網交易資料上找出「真正有價值的商品樣式」變得又快又準。
看開放取用原文 →