VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT...
Transcript of VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT...
-
VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM
HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ
NGUYỄN TUẤN ANH
NGHIÊN CỨU PHÁT TRIỂN PHƯƠNG PHÁP
KHAI PHÁ LUẬT KẾT HỢP MỜ BIỂU THỊ BẰNG
THÔNG TIN NGÔN NGỮ VÀ ỨNG DỤNG
Chuyên ngành: Cơ sở toán học cho tin học
Mã số: 62 46 01 10
TÓM TẮT LUẬN ÁN TIẾN SĨ TOÁN HỌC
HÀ NỘI – 2020
-
Công trình được hoàn thành tại: Học viện Khoa học và Công Nghệ -
Viện Hàn lâm Khoa học và Công nghệ Việt Nam
Người hướng dẫn khoa học 1: PGS. TSKH Nguyễn Cát Hồ
Người hướng dẫn khoa học 2: TS Trần Thái Sơn
Phản biện 1: PGS.TS. Trần Đình Khang
Phản biện 2: PGS.TS. Nguyễn Hải Châu
Phản biện 3: TS. Phạm Thanh Hà
Luận án sẽ được bảo vệ trước Hội đồng chấm luận án tiến sĩ, họp tại
Học viện Khoa học và công nghệ - Viện Hàn lâm Khoa học và Công
nghệ Việt Nam vào hồi … giờ …, ngày … tháng … năm …
Có thể tìm hiểu luận án tại:
- Thư viện Học viện Khoa học và công nghệ
- Thư viện Quốc gia Việt Nam
-
CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ
LIÊN QUAN ĐẾN LUẬN ÁN
[1]. Trần Thái Sơn, Nguyễn Tuấn Anh, “Nâng cao hiệu quả khai phá luật
kết hợp mờ theo hướng tiếp cận đại số gia tử", Kỷ yếu hội nghị quốc gia
lần VI về nghiên cứu cơ bản và ứng dụng công nghệ thông tin (Fair) -
Huế, 6/2013.
[2]. Tran Thai Son, Nguyen Tuan Anh, “Improve efficiency fuzzy association rule using hedge algebra approach, Journal of Computer
Science and Cybernetics, Vol 30, No 4, 2014.
[3]. Tran Thai Son, Nguyen Tuan Anh, Hedges Algebras and fuzzy partition problem for qualitative attributes, Journal of Computer Science and
Cybernetics, V.32, N.4, 2016.
[4]. Tran Thai Son, Nguyen Tuan Anh, Partition fuzzy domain with multi-granularity representation of data based on Hedge Algebra approach,
Journal of Computer Science and Cybernetics, vol. 33, pp. 63-76, 2017.
-
1
MỞ ĐẦU
Bài toán khai thác luật kết hợp là hướng nghiên cứu quan trọng và sớm được nghiên cứu
phát triển trong hướng nghiên cứu khai phá dữ liệu. Trong những năm gần đây nhiều giải
thuật đã được được phát triển theo nhiều hướng khác nhau nhưng chủ yếu xoay quanh hai
hướng chính:
(i) Cải tiến tốc độ trung bình các thuật toán khai phá luật vì thông thường, đây là bài toán
có độ phức tạp hàm mũ do phải quét CSDL nhiều lần.
(ii) Nghiên cứu sâu hơn về ý nghĩa của các luật khai phá vì ta thấy không phải luật được
khai phá nào cũng có ý nghĩa đối vời người sử dụng.
Luật kết hợp mờ có dạng: Luật kết hợp mờ có dạng: “Nếu X là A Thì Y là B”. “X là A”
gọi là tiền (tiên) đề, “Y là B” gọi là kết luận của luật. 𝑋 = {𝑥1, 𝑥2, … , 𝑥𝑝}, Y= {𝑦1, 𝑦2, … , 𝑦𝑞}
là tập mục là tập con của tập thuộc tính I của CSDL. 𝐴 = {𝑓𝑥1 , 𝑓𝑥2 , … , 𝑓𝑥𝑝}, B=
{𝑓𝑦1 , 𝑓𝑦2 , … , 𝑓𝑦𝑞} là các tập mờ tương ứng của các thuộc tính X, Y. Phân chia miền xác định
của thuộc tính là bước khởi đầu quan trọng cho cả một quá trình xử lý thông tin. Gần đây,
các nhà nghiên cứu đã chú ý đến việc nghiên cứu xây dựng các tập hàm thuộc như vậy vì
thấy rõ tầm ảnh hưởng của công đoạn này lên công đoạn tiếp theo.
Luận án nghiên cứu các phương pháp khai phá tri thức dạng luật kết hợp mờ với thông
tin ngôn ngữ (luật dạng ngôn ngữ) từ các CSDL hay các kho dữ liệu số. Chúng tôi sử dụng
Đại số gia tử (ĐSGT) thay cho lý thuyết tập mờ để nghiên cứu một số vấn đề về khai phá
luật kết hợp:
(i) Luật kết hợp mờ được nghiên cứu còn một số nhược điểm kể cả trong việc xây dựng thuật toán nhằm tăng tốc độ xử lý cũng như trong bài toán phân hoạch mờ miền xác
định của thuộc tính nằm đưa ra các luật kết hợp có ý nghĩa.
(ii) Với biểu diễn dữ liệu khác nhau, ĐSGT cho một cách tiếp cận thống nhất đơn giản mà có hiệu quả cao trong xử lý.
Mục đích nghiên cứu:
- Nghiên cứu các phương pháp biểu thị ngữ nghĩa các khái niệm mờ (các từ ngôn ngữ mờ) thông qua hàm thuộc (tập mờ) hoặc các phương pháp toán học khác sao cho nó
biểu thị ngữ nghĩa các khái niệm phù hợp nhất.
- Nghiên cứu các phương pháp khai phá tri thức nói chung và các luật mờ nói riêng. - Nghiên cứu các cách biểu diễn dữ liệu khác nhau của thông tin để có thể khai phá
luật kết hợp một cách đa dạng, mang nhiều ý nghĩa. Luận án sử dụng biểu diễn dữ liệu đơn
thể hạt và đa thể hạt, phù hợp với sự chú ý ngày càng gia tăng của hướng nghiên cứu này.
CHƯƠNG 1. MỘT SỐ KIẾN THỨC CƠ SỞ 1.1. Tập mờ và các phép toán trên tập mờ 1.1.1. Tập mờ (fuzzy set)
Định nghĩa 1.1: Cho U là vũ trụ các đối tượng. Tập mờ A trên U là tập các cặp có thứ
tự (𝑥, 𝜇𝐴(𝑥)), với 𝜇𝐴(𝑥) là hàm từ U vào [0, 1] gán cho mỗi phần tử x thuộc U giá trị 𝜇𝐴(𝑥) phản ảnh mức độ thuộc của x thuộc vào tập mờ A.
1.1.2. Biến ngôn ngữ
1.1.3. Phân hoạch mờ Chúng ta có định nghĩa phân hoạch mờ như sau:
-
2
1) Định nghĩa 1.3: Cho m điểm cố định 𝑝1, 𝑝2, … , 𝑝𝑚 thuộc tập 𝑈 = [𝑎, 𝑏] ⊂ 𝑅 là không gian tham chiếu của biến cơ sở 𝑢 của biến ngôn ngữ 𝑋. Khi đó một tập 𝑇 gồm m tập mờ 𝐴1, 𝐴2, … , 𝐴𝑚 định nghĩa trên 𝑈 (với hàm thuộc tương ứng là 𝜇𝐴1 , 𝜇𝐴2 ,..., 𝜇𝐴𝑚) được gọi là
một phân hoạch mờ của 𝑈 nếu các điều kiện sau thoả mãn, ∀𝑘 = 1, … , 𝑚:𝜇𝐴𝑘(𝑝𝑘) (𝑝𝑘 thuộc
về phần được gọi là lõi của 𝐴𝑘); 2) Nếu x ∉ [𝑝𝑘−1, 𝑝𝑘+1] thì 𝜇𝐴𝑘(𝑥) = 0
3) 𝜇𝐴𝑘(𝑥) liên tục;
4) 𝜇𝐴𝑘(𝑥) đơn điệu tăng trên [𝑝𝑘−1, 𝑝𝑘];
5) ∀𝑥 ∈ 𝑈, ∃𝑘, sao cho 𝜇𝐴𝑘(𝑥) > 0;
Nếu phân hoạch mờ thoả mãn thêm điều kiện 6) dưới đây thì được gọi là phân hoạch mờ
mạnh.
6) ∀𝑥𝜖𝑈, ∑ 𝜇𝐴𝑘(𝑥) = 1𝑚𝑘=1 ;
Nếu phân hoạch mờ thoả mãn thêm điều kiện 7), 8), 9) dưới đây thì được gọi là phân hoạch
đều.
7) Với 𝑘 ≠ 𝑚 thì ℎ𝑘 = 𝑝𝑘+1 − 𝑝𝑘= hằng số 8) Các tập mờ 𝜇𝐴𝑘(𝑥) là hàm đối xứng
1.2. Các tập mờ 𝝁𝑨𝒌(𝒙) có cùng một dạng hình họcĐại số gia tử
1.2.1. Khái niệm Đại số gia tử Định nghĩa 1.4: Một ĐSGT được ký hiệu là bộ 4 thành phần được ký hiệu 𝐴𝑋 =
(X, G, H, ≤) trong đố G là tập các phần tử sinh, H là tập các gia tử (hedge) còn " ≤ " là quan hệ cảm sinh ngữ nghĩa trên X. Giả thiết trong G có chứa các phần tử hằng 0, W, 1 với ý
nghĩa là phần tử bé nhất, phần tử lớn nhất và phần tử trung hoà (neutral) trong X. Ta gọi
mỗi giá trị ngôn ngữ 𝑥 ∈ 𝑋 là một hạng từ trong ĐSGT.
Tập H gồm H− = {ℎ−1 < ℎ−2 < ⋯ < ℎ−𝑞} và 𝐻+ = {ℎ1 < ℎ2 < ⋯ < ℎ𝑝}.
1.2.2. Định lượng ngữ nghĩa của giá trị ngôn ngữ Định nghĩa 1.5: Cho AX = (𝑋, 𝐺, 𝐻, ≤) là một ĐSGT tuyến tính. Ánh xạ 𝑣𝔵: 𝑋 → [0,1]
được gọi là một hàm định lượng ngữ nghĩa của AX nếu: (i) 𝑣𝔵 là ánh ạ 1-1 từ tập X vào đoạn [0,1] và bảo toàn thứ tự trên X, tức là ∀𝑥, 𝑦 ∈ X,
𝑥 < 𝑦 ⇒ 𝑣𝔵(𝑥) < 𝑣𝔵(𝑦) và 𝔳𝔵(0) = 0, 𝔳𝔵(1) = 1. (ii) 𝑣(𝑿) liên tục: trù mật trong [0,1], nghĩa là ∀(𝑎, 𝑏) ≠ ∅ và (𝑎, 𝑏) ⊆ [0,1],
(𝑎, 𝑏) ∩ 𝑣𝔵(𝑿) ≠ ∅. Định nghĩa 1.6: Một hàm dấu 𝑆𝑖𝑔𝑛 ∶ X {−1,0,1} là một ánh xạ được định nghĩa đệ
qui như sau, trong đó ℎ, ℎ′ H và 𝑐 {𝒄−, 𝒄+}: (1) 𝑆𝑖𝑔𝑛(𝑐−) = −1, 𝑆𝑖𝑔𝑛(𝑐+) = 1; (2) 𝑆𝑖𝑔𝑛(ℎ𝑐) = −𝑆𝑖𝑔𝑛(𝑐) nếu h âm đối với c; 𝑆𝑖𝑔𝑛(ℎ𝑐) = 𝑆𝑖𝑔𝑛(𝑐) nếu h dương đối
với c;
(3) 𝑆𝑖𝑔𝑛(ℎ′ℎ𝑥) = −𝑆𝑖𝑔𝑛(ℎ𝑥), nếu ℎ′ℎ𝑥 ℎ𝑥 và ℎ′ âm đối với ℎ; 𝑆𝑖𝑔𝑛(ℎ′ℎ𝑥) = 𝑆𝑖𝑔𝑛(ℎ𝑥), nếu ℎ′ℎ𝑥 ℎ𝑥 và ℎ′ dương đối với ℎ;
(4) 𝑆𝑖𝑔𝑛(ℎ′ℎ𝑥) = 0, nếu ℎ′ℎ𝑥 = ℎ𝑥. Định nghĩa 1.7: Cho AX là một ĐSGT tuyến tính đầy đủ và 𝑓𝑚 là một độ đo tính mờ
trên X. Ta nói ánh xạ 𝔳𝔵: 𝑋 [0,1] được cảm sinh bởi độ đo tính mờ 𝑓𝑚 nếu được định nghĩa bằng đệ qui như sau:
(1) 𝑣𝔵(𝑊) = = 𝑓𝑚(𝑐−), 𝑣𝔵(𝑐
−) = – . 𝑓𝑚(𝑐−) = . 𝑓𝑚(𝑐−), 𝑣(𝑐+) = + . 𝑓𝑚(𝑐+);
-
3
(2) 𝑣𝔵(ℎ𝑗𝑥) = 𝑣𝔵(𝑥) + 𝑆𝑖𝑔𝑛(ℎ𝑗𝑥) {∑ 𝜇(ℎ𝑖)𝑓𝑚(𝑥) − 𝜔(ℎ𝑗𝑥)𝜇(ℎ𝑗)𝑓𝑚(𝑥)𝑖−𝑠𝑖𝑔𝑛(𝑗)𝑖=𝑠𝑖𝑔𝑛(𝑗) },
với mọi j, −𝑞 ≤ 𝑗 ≤ 𝑝 và 𝑗 0, trong đó 𝜔(ℎ𝑗𝑥) =1
2[1 + 𝑆𝑖𝑔𝑛(ℎ𝑗𝑥) 𝑆𝑖𝑔𝑛(ℎ𝑝ℎ𝑗𝑥) (𝛽 −
𝛼)] ∈ {𝛼, 𝛽};
1.3. Bài toán khai phá luật kết hợp 1.3.1. Một số khái niệm
Cho 𝐼 = {𝐼1 , 𝐼2, . . , 𝐼𝑚} là tập hợp của m tính chất riêng biệt. Giả sử D là CSDL, với các bản ghi chứa một tập con T các tính chất, các bản ghi đều có chỉ số riêng. Một luật kết hợp
là một mệnh đề kéo theo có dạng 𝑋 → 𝑌, trong đó 𝑋, 𝑌 ⊆ 𝐼, thỏa mãn điều kiện 𝑋 ∩ 𝑌 = ∅. Các tập hợp X và Y được gọi là các tập hợp itemset.
Định nghĩa 1.10: Một luật kết hợp là một mệnh đề kéo theo có dạng 𝑋 → 𝑌, trong đó 𝑋, 𝑌 𝐼 trong đó X và Y được gọi là các tập mục (itemsets), thỏa mãn điều kiện 𝑋 ∩ 𝑌 = ∅. Tập X gọi là nguyên nhân, tập Y gọi là hệ quả.
Có 2 độ đo quan trọng đối với luật kết hợp: Độ hỗ trợ và độ tin cậy.
Định nghĩa 1.11: Độ hỗ trợ của tập mục X: Đỗ hỗ trợ của tập mục X là tỷ lệ giữa số
lượng các bản ghi trong D chứa tập mục X với số bản ghi trong D.
𝑆𝑢𝑝𝑝(𝑋) =
|𝑋|
|𝐷| (1.1)
Định nghĩa 1.12: Độ hỗ trợ của luật 𝑋 → 𝑌: Độ hỗ trợ của một luật kết hợp 𝑋 → 𝑌 là tỷ lệ giữa số lượng các bản ghi chứa tập hợp 𝑋 ∪ 𝑌, so với tổng số các bản ghi trong D.
𝑆𝑢𝑝𝑝(𝑋 → 𝑌) = 𝑃(𝑋 ∪ 𝑌) =|𝑋∪𝑌|
|𝐷| (1.2)
Định nghĩa 1.13: Độ tin cậy của luật 𝑋 → 𝑌: Độ tin cậy của một luật kết hợp 𝑋 → 𝑌 là tỷ lệ giữa số lượng các bản ghi trong D chứa 𝑋 ∪ 𝑌 với số bản ghi trong D chứa tập hợp X.
𝑐𝑜𝑛𝑓(𝑋 → 𝑌) =
𝑆𝑢𝑝𝑝(𝑋 ∪ 𝑌)
𝑆𝑢𝑝𝑝(𝑋) (1.3)
1.3.2. Bài toán luật kết hợp mờ Cho 𝐷𝑇 = {𝑡1, 𝑡2, … , 𝑡𝑛} là CSDL giao dịch, n là tổng số bản ghi trong D. Cho 𝐼 =
{𝑖1, 𝑖2, … , 𝑖𝑚} là các mục, với mỗi mục 𝑖𝑗 (1 ≤ 𝑗 ≤ 𝑚) là thuộc tính hạng mục hoặc thuộc
tính định lượng. Một tập thuộc tính mờ là một cặp 〈𝑍, 𝐶〉 với Z tương ứng là tập các thuộc tính zj và C tương ứng là tập các tập mờ 𝑐𝑗. Nếu luật kết hợp mờ 𝑋 𝑖𝑠 𝐴 ⇒ 𝑌 𝑖𝑠 𝐵 gọi là tin
cậy nếu thảo mãn độ hỗ trợ 𝐹(𝑍,𝐶) và độ tin cậy 𝐹𝐶((𝑋,𝐴),(𝑌,𝐵)), với 𝑍 = 𝑋 ∪ 𝑌, 𝐶 = 𝐴 ∪ 𝐵.
Độ hỗ trợ mờ của tập mục 〈𝑍, 𝐶〉 ký hiệu là 𝑓𝑠(〈𝑍, 𝐶〉) được xác định theo công thức:
𝑓𝑠(〈𝑍, 𝐶〉) =∑ ∏ (𝑡𝑖[(𝑥𝑗 , 𝑎𝑗)])
𝑚𝑗=1
𝑛𝑖=1
𝑛
(1.4)
Trong đó m là số lương tập mục trong tập mục (𝑍, 𝐶). Độ tin cậy mờ được xác định theo công thức sau:
𝐹𝐶((𝑋,𝐴),(𝑌,𝐵)) = 𝑓𝑠(𝑍, 𝐶)
𝑓𝑠(< 𝑋, 𝐴 >) (1.5)
Thuật toán khai phá luật kết hợp mờ dựa trên thuật toán Apriori:
Thuật toán khai phá luật kết hợp mờ được chia làm hai pha như sau:
Pha 1: Tìm tất cả các tập thuộc tính mờ phổ biến dạng 〈𝑍, 𝐶〉 có độ hỗ trợ lớn hơn độ hỗ trợ cực tiểu của người dùng nhập vào: 𝑓𝑠(〈𝑍, 𝐶〉) ≥ 𝑓𝑚𝑖𝑛𝑠𝑢𝑝
-
4
Pha 2: Sinh các luật kết hợp mờ tin cậy từ các tập phổ biến đã tìm thấy ở pha thứ nhất.
Pha này đơn giản và tốn kém ít thời gian hơn so với pha trên. Nếu 〈𝑍, 𝐶〉 là một tập thuộc
tính mờ phổ biến thì luật kết hợp được sinh ra từ X có dạng: Z′is C′ fc→ Z\Z′is C\C′.
Với Z' là tập con khác rỗng của Z, Z\Z' là hiệu của hai tập hợp, C' là tập con khác rỗng
của C và là tập các tập mờ tương ứng với các thuộc tính trong Z', C\C' là hiệu hai tập hợp,
𝑓𝑐 là độ tin cậy của luật thỏa mãn: 𝑓𝑐 ≥ 𝑓𝑚𝑖𝑛𝑐𝑜𝑛𝑓. 1.4. Kết luận
Trong chương này, luận án đã tóm tắt những kiến thực cơ sở làm nền tảng phục vụ trong
quá trình nghiên cứu. Nó bao gồm những nội dung chính sau:
- Lý thuyết tập mờ bao gồm các khái niệm tập mờ, phương pháp xây dựng tập mờ, biến
ngôn ngữ, phân hoạch mờ,...
- Hệ thống lý thuyết về ĐSGT với những khái niện nền tảng như: ĐSGT, ĐSGT tuyến
tính, ĐSGT tuyến tính đầy đủ, độ đo tính mờ của gia tử, phần tử sinh, phương pháp xác định
giá trị định lượng của từ ngôn ngữ, khoảng tính mờ,...
- Một số khái niệm cơ bản về luật kết hợp, luật kết hợp mờ và một số hướng nghiên cứu
về khai phá luật kết hợp mờ.
- Với những kiến thức cơ sở đã được trình bày trong chương trình là nền tảng đủ để thực hiện các mục tiêu đã đặt ra của luận án.
CHƯƠNG 2. KHAI PHÁ LUẬT KẾT HỢP MỜ THEO HƯỚNG TIẾP CẬN SỬ DỤNG ĐẠI SỐ GIA TỬ
Trong chương này luận án đề xuất ứng dụng ĐSGT và đề xuất giải pháp nén CSDL giao
dịch mờ nhằm tạo ra CSDL giao dịch mới có kích thước nhỏ hơn. Với phương pháp này
giúp tìm ra các luật kết hợp mờ dạng ngôn ngữ gần gũi với con người và giảm thời gian khai
phá luật kết hợp.
2.1. Đặt vấn đề Gần đây, các thuật toán sử dụng cách nén dữ liệu trong CSDL nhị phân cung cấp một
giải pháp tốt có thể giảm yêu cầu không gian lưu trữ và thời gian xử lý dữ liệu. Jia - Yu Dai
(2008) đã đề xuất thuật toán nén CSDL giao dịch nhị phân gọi là M2TQT. Ý tưởng cơ bản
của thuật toán này là: gộp các giao dịch có quan hệ gần nhau để tạo thành giao dịch mới, kết
quả thu được là tạo ra CSDL mới có kích thước nhỏ hơn, có thể giảm thời gian xử lý dữ
liệu, giảm không gian lưu trữ. Thuật toán M2TQT được đánh giá là tốt hơn các phương pháp
đã đề xuất trước đây. Tuy nhiên thuật toán M2TQT chỉ thực hiện với CSDL nhị phân.
Nhằm nâng cao hiệu quả khai phá luật kết hợp, luận án đề xuất phương pháp khai phá
luật kết hợp mờ theo cách tiếp cận ĐSGT, sử dụng cách nén dữ liệu cho một CSDL bất kỳ.
Với cách tiếp cận này, các giao dịch gần nhau được gộp lại để tạo thành giao dịch mới, làm
giảm kích thước (chiều ngang) của CSDL đầu vào. Thực nghiệm cho thấy, cách tiếp cận
này cho kết quả tốt hơn các cách tiếp cận đã có.
Nội dung chương này, luận án trình bày cách thức mờ hóa các thuộc tính mờ theo hướng
tiếp cận ĐSGT, thuật toán nén CSDL mờ, và thuật toán khai phá luật kết hợp mờ với CSDL
nén.
2.2. Khai phá luật kết hợp mờ theo hướng tiếp cận ĐSGT 2.2.1. Mờ hóa cơ sở dữ liệu giao dịch
Với cách tiếp cận ĐSGT, các giá trị hàm thuộc của mỗi giá trị của CSDL được tính theo
cách như sau. Trước hết, miền giá trị mỗi thuộc tính mờ được xem là một ĐSGT. Với bài
toán khai phá luật kết hợp mờ sử dụng lý thuyết tập mờ, chúng ta các phải xây dựng các
-
5
hàm thuộc cho mỗi thuộc tính. Sau đó, dựa vào hàm thuộc đã xây dựng để tính độ thuộc của
các giá trị và các miền mờ tương ứng. Luận án đề xuất mỗi thuộc tính định lượng sẽ sử dụng
một cấu trúc ĐSGT. Dựa vào giá trị định lượng ngữ nghĩa của các phần tử của ĐSGT, chúng
ta xây dựng lên các phân hoạch mờ để tính độ thuộc của các phần tử trong CSDL đến các
miền mờ.
Bước 1: Chuẩn hóa các giá trị của các thuộc tính mờ về đoạn [0,1]. Bước 2: Xét các miền mờ 𝑠𝑗 của thuộc tính 𝑥𝑖 là các phần tử của ĐSGT 𝐴𝑋𝑖 . Khi đó,
một giá trị bất kỳ djxi của 𝑥𝑖 đều nằm giữa 2 giá trị định lượng ngữ nghĩa nào đó của 2 phần
tử của 𝐴𝑋𝑖. Khoảng cách trên đoạn [0,1] giữa djxi và giá trị định lượng ngữ nghĩa của hai
phần tử gần djxi nhất về hai phía có thể dùng để xác định độ gần gũi của dj
xi vào hai miền
mờ (hai phần tử của ĐSGT). Độ
gần gũi giữa djxi với các phần tử
khác của ĐSGT được xác định
bằng 0. Để xác định độ thuộc cuối
cùng, ta phải chuẩn hóa (chuyển
về giá trị trong đoạn [0,1] rồi lấy 1 trừ khoảng cách đã chuẩn hóa
đó). Ta sẽ có, ứng với mỗi giá trị
djxi một cặp độ thuộc.
Như vậy để tính độ thuộc djxi của thuộc tính 𝑥𝑖 vào miền mờ 𝑠𝑗:
𝜇𝑠𝑗 (djxi) = 1 − | 𝑣(𝑠𝑗) − dj
xi |, với 𝑣(𝑠𝑗) là giá trị định lượng ngữ nghĩa của phần tử 𝑠𝑗.
Bảng 2.1: Cơ sở dữ liệu ví dụ TID A B
𝑇1 30 40
𝑇2 41 48
𝑇3 45 32
Chúng ta có các giá trị được mờ hóa như trong
Bảng 2.2.
Ký hiệu: A1, B1: Very Low; A2, B2: Least Low;
A3, B3: Least Heigh, A4, B4: Very Heigh;
Bảng 2.2: Mờ hóa dữ liệu trong Bảng 2.1
TID A B
A1 A2 A3 A4 B1 B2 B3 B4
𝑇1 0.825 0.925 0 0 0 0.975 0.775 0 𝑇2 0 0.965 0.785 0 0 0.895 0.855 0 𝑇3 0 0.925 0.825 0 0.805 0.945 0 0
Ví dụ 2.1: Cho CSDL ví dụ như trong Bảng 2.1 gồm có hai thuộc tính A và B. ĐSGT sử
dụng cho hai thuộc tính này có cấu trúc giống nhau: 𝐴𝑋 = (𝑋, 𝐺, 𝐻, ≤), 𝐶− = {𝐿𝑜𝑤}, 𝐶+ ={𝐻𝑖𝑔ℎ𝑡}, 𝐻− = {𝐿𝑒𝑎𝑠𝑡}, 𝐶+ = {𝑉𝑒𝑟𝑦}, các tham số như sau: 𝑓𝑚(𝐿𝑜𝑤) = 𝑓𝑚(𝐻𝑖𝑔ℎ𝑡) = 0.5, 𝜇(𝑉𝑒𝑟𝑦) = 𝜇(Least) = 0.5, 𝐷𝑜𝑚(𝐴, 𝐵) = [0, 100]. Khi đó ta tính được các giá trị định lượng ngữ nghĩa: v(Very Low) = 0.125, v(Least Low) = 0.375, v(Least Height) = 0.625,
v(Very Height) = 0.875.
2.2.2. Quan hệ khoảng cách giao dịch Dựa vào khoảng cách giữa các giao dịch, có thể gộp các giao dịch có khoảng cách gần
nhau để tạo ra nhóm giao dịch, kết quả là thu được CSDL mới có kích thước nhỏ hơn.
Quan hệ giao dịch và quan hệ khoảng cách giao dịch cho các giao dịch trong CSDL mờ
được định nghĩa như sau:
Hình 2.1: Xây dựng phân hoạch mờ dựa trên
ĐSGT
-
6
(1) Quan hệ giao dịch: Hai giao dịch 𝑇1, 𝑇2 được gọi là có quan hệ với nhau nếu 𝑇1hoặc là tập con của 𝑇2 hoặc 𝑇1là tập cha của 𝑇2. (2) Quan hệ khoảng cách giao dịch:
Khoảng cách giữa hai giao dịch là số
các mục (item) khác nhau.
Trong bảng Bảng 2.2 khoảng cách
giữa giao dịch 𝑇1 và 𝑇2 là 𝐷𝑇1−𝑇2 = 2,
khoảng cách giữa hai giao dịch 𝑇2 và 𝑇3 là 𝐷𝑇1−𝑇3 = 4.
2.2.3. Xây dựng bảng định lượng Để giảm số lượng tập ứng cử được tạo ra, cần phải có thêm thông tin để loại bớt các tập
không phải là tập phổ biến. Bảng định lượng được xây dựng để lưu các thông tin này khi
mỗi giao dịch được xử lý. Các mục xuất hiện trong giao dịch cần sắp xếp theo thứ tự từ điển.
Bắt đầu từ các mục bên trái và gọi đó là tiền tố của mục. Sau đó tính chiều dài của giao dịch
đầu vào là n, ghi số lượng các mục xuất hiện trong giao dịch vào các mục tùy theo độ dài
của giao dịch: L𝑛, Ln−1, . . . , L1. Bảng định lượng bao gồm những mục trong đó mỗi Li chứa một tiền tố mục và giá trị hỗ trợ của mục đó.
Bảng 2.3 là bảng định lượng được xây dựng từ CSDL trong Bảng 2.2. Với bảng định
lượng, chúng ta có thể dễ dàng loại bớt các tập ứng cử viên có độ hỗ trợ nhỏ hơn so với sự
hỗ trợ tối thiểu.
2.3. Nén cơ sở dữ liệu giao dịch Với d là khoảng cách quan hệ được khởi tạo bằng 1. Dựa vào khoảng cách giữa các giao
dịch, chúng ta gộp các giao dịch có khoảng cách nhỏ hơn hoặc bằng d để tạo thành nhóm
giao dịch mới và đưa vào khối gồm các giao dịch được trộn với nhau.
Trong Hình 2.2: CSDL gồm các thuộc tính định lượng, phần Tiền xử lý dữ liệu: Thực hiện
chuẩn hoá dữ liệu về đoạn [0,1], độ thuộc của giá trị của các thuộc tính được tính toán như
trình trình bày trong mục 2.2, sau đó từ CSDL mờ thu được chúng ta gộp các giao dịch gần
nhau vào với nhau tạo ra CSDL mới gọi là CSDL nén. Chi tiết thuật toán nén được trình bày
chi tiết trong Thuật toán 1. Để tìm ra các luật kết hợp từ CSDL nén luận án đề xuất cải tiến
thuật toán Apriori mờ và chi tiết như Thuật toán 2.
Thuật toán 1: Thuật toán nén giao dịch
Đầu vào: Cơ sở dữ liệu giao dịch mờ D
Đầu ra: Cơ sở dữ liệu nén
Ký hiệu các tham số của thuật toán như sau:
𝑀𝐿 = {𝑀𝐿𝑘}: 𝑀𝐿𝑘 các nhóm giao dịch có độ dài bằng k (độ dài của giao dịch là số mục trong giao dịch)
𝐿 = {𝐿𝑘}: 𝐿𝑘 các giao dịch có độ dài k 𝑇𝑖: Giao dịch thứ i trong CSDL mờ | 𝑇𝑖 |: Độ dài của giao dịch 𝑇𝑖 Nội dung thuật toán:
Bước 1: Mỗi lần đọc một giao dịch 𝑇𝑖 từ CSDL mờ Bước 2: Tính độ dài của giao dịch 𝑇𝑖: n Bước 3: Dựa vào giao dịch đầu vào để xây dựng bảng định lượng.
Bảng 2.3: Bảng định lượng của cơ sở dữ liệu
Bảng 2.2
-
7
Bước 4: Tính toán khoảng cách giữa
giao dịch Ti với các nhóm giao dịch trong khối MLn−1, MLn, MLn+1. Nếu tồn tại một nhóm giao dịch trong các khối
MLn−1, MLn, MLn+1 có khoảng cách với giao dịch Ti nhỏ hơn hoặc bằng d. Chúng ta tiến hành gộp giao dịch Ti với nhóm giao dịch trong khối tương ứng, ta thu
được nhóm giao dịch mới và đưa vào khối
có độ dài tương ứng, và xóa nhóm giao
dịch cũ trong khối.
Bước 5: Nếu giao dịch 𝑇𝑖 không được gộp với các nhóm giao dịch trong khối
MLn−1, MLn, MLn+1. Tính toán khoảng cách giữa giao dịch 𝑇𝑖 và các giao dịch trong khối 𝐿𝑛−1, 𝐿𝑛, 𝐿𝑛+1. Nếu tồn tại giao dịch 𝑇𝑗 sao cho 𝐷𝑇𝑖−𝑇𝑗 ≤ 𝑑, gộp giao dịch 𝑇𝑖 với
giao dịch 𝑇𝑗 để tạo thành nhóm giao dịch và thêm nhóm giao dịch này vào khối tương ứng
(tùy thuộc vào độ dài của nhóm giao dịch được tạo ra), và xóa giao dịch 𝑇𝑗 trong khối: 𝐿𝑛−1,
𝐿𝑛, 𝐿𝑛+1. Nếu không tìm được giao dịch thỏa mãn khoảng cách d, thêm giao dịch 𝑇𝑖 vào khối 𝐿𝑛.
Bước 6: Lặp lại 5 bước trên cho đến khi giao dịch cuối cùng trong CSDL giao dịch được
xử lý.
Bước 7: Mỗi lần đọc một giao dịch 𝑇𝑖 trong khối 𝐿 = {𝐿𝑘} Bước 8: Tính độ dài của giao dịch 𝑇𝑖: n Bước 9: Tính toán khoảng cách giữa giao dịch 𝑇𝑖 với các nhóm giao dịch trong các khối
MLn−1, MLn, MLn+1. Nếu tồn tại một nhóm giao dịch có khoảng cách nhỏ hơn hoặc bằng d, tiến hành gộp giao dịch 𝑇𝑖 với nhóm giao dịch tìm được để tạo thành nhóm giao dịch mới. Tùy thuộc vào độ dài của nhóm giao dịch mới, sẽ thêm nhóm giao dịch mới này vào khối
tương ứng: MLn−1, MLn, MLn+1, xóa nhóm giao dịch cũ trong khối: MLn−1, MLn, MLn+1, và xóa giao dịch 𝑇𝑖 trong khối 𝐿𝑛.
Bước 10: Lặp lại bước 7, bước 8, bước 9 cho đến khi giao dịch cuối cùng trong 𝐿 = {𝐿𝑘 } được xử lý.
Kết quả thu được CSDL nén gồm các giao dịch trong các khối 𝐿 = {𝐿𝑘 }, 𝑀𝐿 = {𝑀𝐿𝑘 }, và bảng định lượng. 2.4. Thuật toán trích xuất luật kết hợp mờ
Thuật toán 2: Khai phá dữ liệu mờ theo hướng tiếp cận ĐSGT. Ký hiệu các tham số
của thuật toán khai phá luật kết hợp mờ theo hướng tiếp cận ĐSGT:
N: Tổng số giao dịch trong CSDL
M: Tổng số thuộc tính
𝐴𝑗: Thuộc tính thứ j, 1 ≤ 𝑗 ≤ 𝑚 (thuộc tính định lượng hoặc thuộc tính hạng mục)
|𝐴𝑗|: Số nhãn gia tử của thuộc tính Aj
𝑅𝑗𝑘: Nhãn gia tử j của thuộc tính Aj, 1 ≤ 𝑘 ≤ |Aj|
𝐷(𝑖): Dữ liệu giao dịch thứ i, 1 ≤ 𝑖 ≤ 𝑁
𝑣𝑗(𝑘)
: Giá trị phần tử thứ k của Aj trong D(i)
Hình 2.2: Tổng quan về thuật toán nén
CSDL giao dịch
-
8
𝑓𝑗𝑘(𝑖)
: Giá trị độ thuộc của 𝑣j(k)
với nhãn gia tử Rjk, 0 ≤ 𝑓𝑗𝑘(𝑖) ≤ 1
𝑆𝑢𝑝(𝑅𝑗𝑘): Độ hỗ trợ của Rjk
Sup: Giá trị hỗ trợ của mỗi tập mục phổ biến
Conf: Độ tin cậy của mỗi tập mục phổ biến
Min_sup: Độ hỗ trợ tối thiểu cho trước
Min_conf: Độ tin tin cậy cho trước
𝐶𝑟: Tập các tập mục có khả năng với r thuộc tính (tập mục), 1 ≤ 𝑟 ≤ 𝑚 𝐿𝑟: Tập các tập mục phổ biến thỏa mãn với r nhãn gia tử (tập mục) 1 ≤ 𝑟 ≤ 𝑚. Thuật toán khai phá luật kết hợp dựa trên ĐSGT cho các giá trị định lượng được thực
hiện như sau:
Input: CSDL giao tác D; Các ĐSGT cho các thuộc tính mờ; Độ hỗ trợ 𝑀𝑖𝑛_𝑠𝑢𝑝 và độ tin cậy 𝑀𝑖𝑛_𝑐𝑜𝑛𝑓.
Output: Luật kết hợp mờ
Bước 1: Chuyển các giá trị định lượng 𝑣𝑗(𝑘)
của giao dịch 𝐴𝑗 trong 𝐷(𝑖), với i từ 1 tới N.
Với 𝑣𝑗(𝑘)
, nếu 𝑣𝑗(𝑘)
nằm ở ngoài 1 trong 2 đầu mút (2 nhãn gia tử cực đại và cực tiểu) thì 𝑣𝑗(𝑘)
chỉ có 1 nhãn gia tử ứng với đầu mút đó. Ngược lại 𝑣𝑗(𝑘)
được biểu diễn bởi 2 nhãn gia tử
liên tiếp có đoạn giá trị nhỏ nhất trên trường giá trị của 𝑣𝑗(𝑘)
, mỗi nhãn ứng với 1 giá trị biểu
diễn độ thuộc 𝑓𝑗𝑘(𝑖)
(j = 1, 2) của 𝑣𝑗(𝑘)
với nhãn gia tử đó. Độ thuộc này được tính là khoảng
cách của 𝑣𝑗(𝑘)
tới giá trị biểu diễn cho nhãn gia tử tương ứng.
Bước 2: Thực hiện thuật toán nén giao dịch (Thuật toán 1) với CSDL được mờ hóa ở
Bước 1. Kết thúc bước này, chúng ta thu được CSDL giao dịch nén và bảng định lượng.
Chúng ta sử dụng thuật toán giống như Apriori với CSDL nén để sinh ra các tập phổ
biến.
Bước 3: Dựa vào giá trị trong TL1 của bảng định lượng, giá trị trong TL1 là độ hỗ trợ
của các 𝑅𝑗𝑘. Nếu 𝑆𝑢𝑝(𝑅𝑗𝑘) ≥ min_𝑠𝑢𝑝 thì đưa Rjk vào L1.
Bước 4: Nếu L1 ≠ ∅, tiếp tục bước sau, nếu L1 = ∅ thì kết thúc thuật toán. Bước 5: Thuật toán xây dựng tập mục phổ biến mức r từ các tập mục phổ biến mức r -
1 bằng cách chọn 2 tập mục phổ biến mức r - 1 chỉ khác nhau duy nhất một mục, hợp 2 tập
mục này ta được tập mục ứng viên 𝐶𝑟. Trước khi sử dụng CSDL nén để tính độ hỗ trợ của các tập mục trong 𝐶𝑟, dựa vào giá trị của TLr trong bảng định lượng chúng ta có thể loại bớt một số ứng cử viên mà không cần phải duyệt CSDL nén.
Bước 6: Duyệt CSDL nén, tính độ hỗ trợ của mỗi tập mục trong 𝐶𝑟. Nếu tập mục nào có độ hỗ trợ thỏa mãn độ hỗ trợ tối thiểu thì đưa vào 𝐿𝑟.
Bước 7: Thực hiện theo các bước con sau đây lặp lại cho các tập mục phổ biến mức lớn
hơn được sinh ra tiếp theo dạng (r+1) tập mục phổ biến S với mục (𝑠1, 𝑠2, … , 𝑠𝑡 , … , 𝑠𝑟+1) trong 𝐶𝑟+1, 1 ≤ 𝑡 ≤ 𝑟 + 1.
(a) Tính giá trị hỗ trợ sup(S) của S trong giao dịch
(b) Nếu 𝑆𝑢𝑝(𝑆) ≥ 𝑀𝑖𝑛_𝑠𝑢𝑝, thì đưa S vào 𝐿𝑟+1 Bước 8: Nếu Lr+1 là rỗng, thì thực hiện bước tiếp theo, ngược lại, đặt 𝑟 = 𝑟 + 1, thực
hiện lại bước 6 và 7.
Bước 9: Đưa ra các luật kết hợp từ các tập mục phổ biến vừa thu được.
-
9
2.5. Kết quả thử nghiệm Kết quả thực nghiệm được thực hiện với hai thuật toán: thuật toán đề xuất và thuật toán
Apriori mờ bằng ngôn ngữ lập trình C# và chạy thử nghiệm trên máy tính có cấu hình như
sau: Intel(R) Core(TM) i5 CPU 1.7GHz, RAM 6GB. Trong chương này, luận án sử dụng
hai CSDL để thử nghiệm: FAM95 và STULONG.
2.5.1. Thử nghiệm với CSDL FAM95 Trong Bảng 2.4 thống kê số lượng luật kết hợp thu được của ba phương pháp: phương
pháp sử dụng: CSDL không nén, CSDL nén, và CSDL nén và Bảng định lượng. Với độ hỗ
trợ 20%, 30% số lượng luật kết hợp của phương pháp luận án đề xuất có khác so với phương
pháp sử dụng thuật toán Apriori, với độ hỗ trợ tử 40% đến 70% thì số lượng luật kết hợp
thu được của ba phương pháp là giống nhau.
Bảng 2.4: Số lượng luật kết hợp thu được với độ tin cậy 80% Độ hỗ trợ
(%) Sử dụng nén CSDL nén
CSDL nén,
và Bảng định lượng
20 238 255 255
30 98 94 94
40 34 34 34
50 18 18 18
60 6 6 6
70 2 2 2
Trong Bảng 2.5, Bảng 2.6 cho thấy số lượng luật kết hợp thu được của ba thử nghiệm
(với CSDL không nén, CSDL nén không sử dụng bảng định lượng, CSDL nén sử dụng bảng
định lượng) có số lượng giống nhau. Trong Bảng 2.5 so sánh tương ứng từng luật của ba
phương pháp cho thấy độ hỗ trợ và độ tin cậy của mỗi luật có khác nhau nhưng không đáng
kể.
Bảng 2.5: Luật kết hợp thu được với độ hỗ trợ 60% và độ tin cậy 80% STT Luật kết hợp Đỗ hỗ trợ Độ tin cậy
CSDL không nén
1 { VL_INCHEAD } ==> { VL_INCFAM } 92% 97%
2 { VL_INCFAM } ==> { VL_INCHEAD } 92% 98%
3 { LY_AGE } ==> { VL_INCHEAD } 69% 98%
4 { LY_AGE } ==> { VL_INCFAM } 70% 99%
5 { VL_INCHEAD, LY_AGE } ==> { VL_INCFAM } 69% 99%
6 { VL_INCFAM, LY_AGE } ==> { VL_INCHEAD } 69% 99%
CSDL giao dịch nén, không sử dụng bảng định lượng
1 { VL_INCHEAD } ==> { VL_INCFAM } 91% 98%
2 { VL_INCFAM } ==> { VL_INCHEAD } 91% 99%
3 { LY_AGE } ==> { VL_INCHEAD } 69% 99%
4 { LY_AGE } ==> { VL_INCFAM } 69% 100%
5 { VL_INCHEAD, LY_AGE } ==> { VL_INCFAM } 69% 100%
6 { VL_INCFAM, LY_AGE } ==> { VL_INCHEAD } 69% 99%
CSDL giao dịch nén, và sử dụng bảng định lượng
1 { VL_INCHEAD } ==> { VL_INCFAM } 91% 98%
2 { VL_INCFAM } ==> { VL_INCHEAD } 91% 99%
3 { LY_AGE } ==> { VL_INCHEAD } 69% 99%
4 { LY_AGE } ==> { VL_INCFAM } 69% 100%
5 { LY_AGE, VL_INCHEAD } ==> { VL_INCFAM } 69% 100%
6 { LY_AGE, VL_INCFAM } ==> { VL_INCHEAD } 69% 99%
-
10
Bảng 2.6: Luật kết hợp thu được với độ hỗ trợ 70% và độ tin cậy 80%
STT Luật kết hợp Đỗ hỗ trợ Độ tin cậy
CSDL không nén
1 { VL_INCHEAD } ==> { VL_INCFAM } 92% 97%
2 { VL_INCFAM } ==> { VL_INCHEAD } 92% 98%
CSDL giao dịch nén, không sử dụng bảng định lượng
1 { VL_INCHEAD } ==> { VL_INCFAM } 91% 98%
2 { VL_INCFAM } ==> { VL_INCHEAD } 91% 99%
CSDL giao dịch nén, và sử dụng bảng định lượng
1 { VL_INCHEAD } ==> { VL_INCFAM } 91% 98%
2 { VL_INCFAM } ==> { VL_INCHEAD } 91% 99%
Hình 2.3: Thời gian thực hiện với CSDL nén
Trong Hình 2.3 so sánh thời gian thực thuật toán Apriori mờ với CSDL không nén và
thời gian thực hiện với CSDL nén nhưng không sử dụng bảng định lượng. Trong Hình 2.4
so sánh thời gian thực hiện thuật toán cùng với CSDL nén có sử dụng bảng định lượng và
CSDL nén không sử dụng bảng định lượng. Thời gian dùng để nén CSDL trên là 135 giây,
số giao dịch thu được sau khi nén là 2402 giao dịch. Kết quả thử nghiệm với độ tin cậy là
60%, luận án thử nghiệm với hai thuật toán: Luật kết hợp theo cách tiếp cận của ĐSGT [2]
và thuật toán luận án đề xuất là nén CSDL mờ theo hướng tiếp cận ĐSGT. Kết quả thử
nghiệm cho thấy phương pháp đề xuất nén CSDL cho kết quả nhanh hơn với phương pháp
đề xuất trong [2] và giá trị của các tập phổ biến tìm được giống với khi chúng ta sử dụng
CSDL không nén.
2.5.2. Thử nghiệm với CSDL STULONG Trong Bảng 2.7 thống kê số lượng luật kết hợp thu được của ba phương pháp: phương
pháp sử dụng: CSDL không nén, CSDL nén, và CSDL nén và Bảng định lượng.
Bảng 2.7: Số lượng luật kết hợp thu được với độ tin cậy 80% Độ hỗ trợ (%) CSDL không nén CSDL nén CSDL nén, và Bảng định lượng
5% 7822 8188 8185
10% 5076 5532 5527
20% 2149 2528 2528
30% 1096 1348 1318
40% 587 599 599
50% 248 287 287
60% 107 155 155
70% 75 75 75
80% 23 35 35
Nhận xét: số lượng luật kết hợp thu được của phương pháp luận án đề xuất sử dụng
CSDL nén có sử dụng bảng định lương và không sử dụng bảng định lượng cơ bản là giống
nhau.
Bảng 2.8: So sánh thời gian thực hiện khai phá luật kết hợp với độ tin cậy 80% Độ hỗ trợ (%) CSDL không nén CSDL nén CSDL nén, và Bảng định lượng
5% 669 41.4 41.4
10% 580 26.4 26.3
20% 187 8.3 8.3
30% 72 3.6 3.5
40% 26 1.1 1.1
50% 8 0.4 0.4
-
11
60% 3 0.2 0.2
70% 1 0.1 0.1
Trong Bảng 2.9, Bảng 2.10 cho thấy số lượng luật kết hợp thu được của ba thử nghiệm
(với CSDL không nén, CSDL nén không sử dụng bảng định lượng, CSDL nén sử dụng bảng
định lượng) có số lượng luật kết hợp giống nhau. Trong Bảng 2.9, Bảng 2.10 so sánh tương
ứng từng luật của ba phương pháp cho thấy độ hỗ trợ và độ tin cậy của mỗi luật có khác
nhau nhưng không đáng kể.
Bảng 2.9: Luật kết hợp thu được với độ hỗ trợ 85% và độ tin cậy 80%
STT Luật kết hợp Đỗ hỗ trợ Độ tin cậy
CSDL không nén
1 { LL_A5 } ==> { LH_A2 } 86 % 97 %
2 { LH_A2 } ==> { LL_A5 } 86 % 93 %
3 { LL_A5 } ==> { VH_A1 } 88 % 99 %
4 { VH_A1 } ==> { LL_A5 } 88 % 91 %
5 { LH_A2 } ==> { VH_A1 } 92 % 99 %
6 { VH_A1 } ==> { LH_A2 } 92 % 95 %
7 { LL_A5, VH_A1 } ==> { LH_A2 } 85 % 97 %
8 { LH_A2, VH_A1 } ==> { LL_A5 } 85 % 93 %
9 { LH_A2, LL_A5 } ==> { VH_A1 } 85 % 100 %
CSDL giao dịch nén, không Bảng định lượng
1 { LL_A5 } ==> { LH_A2 } 88 % 99 %
2 { LH_A2 } ==> { LL_A5 } 88 % 95 %
3 { LL_A5 } ==> { VH_A1 } 88 % 100 %
4 { VH_A1 } ==> { LL_A5 } 88 % 91 %
5 { LH_A2 } ==> { VH_A1 } 92 % 100 %
6 { VH_A1 } ==> { LH_A2 } 92 % 95 %
7 { LL_A5, VH_A1 } ==> { LH_A2 } 87 % 99 %
8 { LH_A2, VH_A1 } ==> { LL_A5 } 87 % 95 %
9 { LH_A2, LL_A5 } ==> { VH_A1 } 87 % 100 %
CSDL giao dịch nén, và Bảng định lượng
1 { B3 } ==> { A4 } 92 % 100 %
2 { A4 } ==> { B3 } 92 % 95 %
3 { E2 } ==> { A4 } 88 % 100 %
4 { A4 } ==> { E2 } 88 % 91 %
5 { E2 } ==> { B3 } 88 % 99 %
6 { B3 } ==> { E2 } 88 % 95 %
7 { B3, E2 } ==> { A4 } 87 % 100 %
8 { A4, E2 } ==> { B3 } 87 % 99 %
9 { A4, B3 } ==> { E2 } 87 % 95 %
Bảng 2.10: Luật kết hợp thu được với độ hỗ trợ 90% và độ tin cậy 80%
STT Luật kết hợp Đỗ hỗ trợ Độ tin cậy
CSDL không nén
1 { LH_A2 } ==> { VH_A1 } 92 % 99 %
2 { VH_A1 } ==> { LH_A2 } 92 % 95 %
CSDL giao dịch nén, không Bảng định lượng
1 { LH_A2 } ==> { VH_A1 } 92 % 100 %
2 { VH_A1 } ==> { LH_A2 } 92 % 95 %
CSDL giao dịch nén, và Bảng định lượng
-
12
1 { B3 } ==> { A4 } 92 % 100 %
2 { A4 } ==> { B3 } 92 % 95 %
2.6. Kết luận Trong chương này luận án nghiên cứu ĐSGT và phát triển thuật toán nén CSDL giao
dịch sử dụng cho bài toán khai phá luật kết hợp mờ. Với cách tiếp cận này, các giao dịch
gần nhau được gộp lại để tạo thành giao dịch mới, làm giảm kích thước của CSDL đầu vào.
Thuật toán nén CSDL giao dịch được thử nghiệm trên CSDL: FAM95 và STULONG. Kết
quả thử nghiệm với 2 CSDL cho thấy phương pháp đề xuất nén CSDL cho kết quả nhanh
hơn với phương pháp đề xuất trong [2] và giá trị của các tập phổ biến tìm được giống với
khi chúng ta sử dụng CSDL không nén. Nội dung của chương này được công bố trong các
công trình [i, ii].
Trong chương này, luận án sử dụng ĐSGT với các biểu diễn đơn thể hạt cho các thuộc
tính với tham số giống nhau. Để nâng cao hiệu quả khai phá luật kết hợp và để tìm ra các
luật có ý nghĩa hơn, trong chương 3 luận án nghiên cứu và đề xuất phương pháp tối ưu các
tham số mờ cho phù hợp với từng thuộc tính với biểu diễn đơn thể hạt và đa thể hạt.
CHƯƠNG 3. PHÂN HOẠCH MỜ CHO THUỘC TÍNH DỰA TRÊN BIỂU DIỄN THỂ HẠT CỦA ĐSGT
Trong chương này, luận án trình bày một số cách phân chia miền mờ và đề xuất phương
pháp phân chia miền mờ bằng cách sử dụng lý thuyết ĐSGT dựa trên biểu diễn đơn thể hạt
và đa thể hạt. ĐSGT cho phép mô hình hoá và thiết kế các từ ngôn ngữ cùng với ngữ nghĩa
dựa trên tập mờ. Luận án đề xuất thuật toán tối ưu các hàm thuộc được xây dựng dựa trên
lý thuyết ĐSGT cho bài toán khai phá luật kết hợp mờ. Các kết quả thực nghiệm cho thấy
kết quả của các phương pháp đề xuất có một số ưu việt hơn một số phương pháp đã đề xuất
trước đây.
3.1. Phân hoạch cho miền giá trị của thuộc tính 3.1.1. Đặt vấn đề
Bài toán phân chia miền xác định các thuộc tính định lượng của một tập dữ liệu đầu vào
như sau: Cho miền xác định của một thuộc tính (ở đây chỉ xét thuộc tính định lượng). Mỗi
thuộc tính định lượng có một miền xác định (hoặc miền giá trị) là miền trên trục số thực bao
gồm các giá trị mà thuộc tính định lượng đó có thể nhận. Yêu cầu là phải phân chia miền
thuộc tính ra thành các hạt và mỗi hạt có nhãn ngôn ngữ biểu thị bằng tập mờ.
Trong cách tiếp cận lý thuyết tập mờ, các tác giả phân chia miền giá trị của thuộc tính
thành các tập mờ, và điều chỉnh tham số của các tập mờ. Việc gán nhãn ngôn ngữ vào các
tập mờ dựa trên trực giác của người thiết kế. ĐSGT xuất phát từ khung nhận thức ngôn ngữ
để từ đó thiết kế các từ ngôn ngữ cùng với ngữ nghĩa dựa trên tập mờ của chúng.
3.1.2. Rời rạc hóa thuộc tính định lượng Có 2 cách phân chia miền xác định thuộc tính thành các miền con rõ và mờ. Cách phân
chia thành các miền con rõ có thể thấy qua ví dụ sau:
Nếu A là thuộc tính định lượng rời rạc (quantitative & discrete) hoặc là thuộc tính hạng
mục (categorical) với miền giá trị hữu hạn dạng {v1, v2, … , vk} và k đủ bé thì ta sẽ biến đổi thuộc tính này thành k thuộc tính nhị phân dạng A_V1, A_V2, … A_Vk. Giá trị của một bản ghi tại trường A_Vi bằng 1 nếu giá trị của bản ghi đó của thuộc tính A ban đầu bằng 𝑣𝑖, trong các trường hợp còn lại giá trị của A_Vi sẽ là 0.
-
13
Nếu A là thuộc tính định lượng liên tục (quantitative & continuous) hoặc A là thuộc tính
định lượng rời rạc hay thuộc tính hạng mục với miền giá trị dạng {v1, v2, … , vp} (p lớn) thì
ta sẽ ánh xạ thành q thuộc tính nhị phân < 𝐴: start1. . end1 >, < 𝐴: start2. . end2 >, …, <𝐴: startq. . endq >. Giá trị của một bản ghi tại trường < 𝐴: starti. . endi > sẽ bằng 1 nếu giá
trị của bản ghi đó tại thuộc tính A ban đầu năm trong khoảng [starti. . endi], ngược lại nó sẽ nhận giá trị 0.
Trong bài toán khai phá luật kết hợp mờ, chúng ta cần phải phần chia miền giá trị của
các thuộc tính thành các miền mờ, với mỗi miền mờ này thường gắn với một hàm thuộc và
nhãn ngôn ngữ. Cách phân chia miền xác định thành các miền con mờ có nhiều ưu điểm
hơn và sẽ là cách mà luận án sử dụng nên sẽ được trình bày kỹ ở mục 3.1.3.
3.1.3. Phân chia miền giá trị của thuộc tính theo cách tiếp cận lý thuyết tập mờ Một số phương pháp phân chia miền mờ phổ biến:
a) Phân chia một cách ngẫu nhiên: Chọn một số cố định các miền cần chia và chia 1 mục thành các vùng đều nhau, phương pháp này đơn giản và có lẽ là tốt khi ta không có
thông tin nào khác.
b) Phân chia theo phương pháp phân cụm: Áp dụng phương pháp phân cụm để tìm kiếm tập mờ, phương pháp này tính đến sự đa dạng của việc phân bố dữ liệu.
c) Phân chia theo phương pháp ràng buộc động Việc phân chia miền mờ giúp chúng ta xây dựng các hàm thuộc cho các miền mờ. Mỗi
hàm thuộc thường có các tham số để điều chỉnh độ thuộc của các giá trị vào miền mờ. Tối
ưu các tham số của các hàm thuộc là nhiệm vụ quan trọng trong bài toán khai phá luật kết
hợp mờ. Để giải quyết nhiệm vụ này, một số nghiên cứu sử dụng thuật toán tiến hoá nhằm
tăng khả năng trong việc tối ưu.
3.2. Phương pháp phân hoạch mờ bằng biểu diễn thể hạt với ĐSGT Trong phần này, luận án trình bày phương pháp phân chia miền xác định thuộc tính định
lượng theo cách tiếp cận của Đại số gia tử dựa trên biểu diễn đơn thể hạt và đa thể hạt của
dữ liệu. ĐSGT cho ta một cấu trúc toán học khá tốt xây dựng trên miền xác định thuộc tính,
giúp ta không chỉ có được phân hoạch miền xác định một cách đơn giản mà còn cho phép
gắn chặt ngữ nghĩa của miền con mờ với nhãn ngôn ngữ mà nó biểu diễn, luôn đảm bảo thứ
tự tự nhiên của các nhãn ngôn ngữ đó. Không những thế, phân hoạch dựa trên ĐSGT theo
cách luận án sử dụng luôn là một phân hoạch mạnh. Với cách tiếp cận này, các luật kết hợp
được khai phá sẽ phản ánh phong phú và đa dạng hơn tri thức ẩn chứa trong kho thông tin
được khai phá, từ những tri thức có tính khái quát cao cho đến những tri thức mang tính
riêng biệt, chi tiết hơn đáp ứng tốt nhu cầu của người quản lý.
3.2.1. Phân hoạch giá trị miền thuộc tính sử dụng biểu diễn đơn thể hạt Với một số kết quả liên quan đến khoảng tính mờ của các phần tử của ĐSGT nêu trong
mục 1.2.4, ta có thể thấy ngay một cách tính độ thuộc của một giá trị bất kỳ trong CSDL số
đã cho vào các tập mờ dùng phân chia miền mờ của mục [25, 26]. Ta thấy, trên miền xác
định của mục (item) (có thể đã chuẩn hóa về đoạn [0,1], một giá trị bất kỳ đều nằm giữa hai
giá trị ĐLNN của 2 khoảng tính mờ liên tiếp hoặc trùng với một giá trị ĐLNN của một
khoảng tính mờ do tính chất tạo nên phân hoạch miền xác định của các khoảng tính mờ.
Như vậy, khoảng cách giữa giá trị 𝑥𝑖𝑗 đó tới 2 giá trị ĐLNN có thể dùng để tính độ thuộc
của 𝑥𝑖𝑗 vào các tập mờ được biểu diễn bởi các khoảng tính mờ đó (trường hợp trùng với 1
giá trị ĐLNN thì chỉ có 1 độ thuộc): khoảng cách càng nhỏ thì độ thuộc càng lớn, nếu trùng
có thể coi đạt 1. Trong Hình 3.1, tác giả dùng các giá trị ĐLNN để phân hoạch miền xác
-
14
định của thuộc tính thành các miền mờ. Tương ứng với mỗi miền mờ dựng các tam giác là
biểu diễn các hàm thuộc của tập mờ với 1 đỉnh có tọa độ (𝜐(𝑥𝑖), 1), hai đỉnh còn lại nằm trên miền xác định, có tọa độ tương ứng là (𝜐(𝑥𝑖−1),0), (𝜐(𝑥𝑖+1), 0), trong đó 𝜐(𝑥𝑖−1), 𝜐(𝑥𝑖), 𝜐(𝑥𝑖+1) là 3 giá trị ĐLNN liên tiếp (Hình 3.1).
Hình 3.1: Xây dựng phần hoạch miền xác định của thuộc tính theo cách tiếp cận ĐSGT
Có thể thấy về thực chất hai cách xây dựng này là tương đương. Thật vậy, giả sử ta có
điểm E là một điểm tùy ý trên trục biểu diễn miền xác định của thuộc tính 𝐼𝑖 . Khi đó, theo cách thứ nhất, khoảng cách 𝐸𝜈(𝑥2) và 𝐸𝜈(𝑥3) sẽ được dùng để xác định độ thuộc của E vào các tập mờ được biểu diễn bằng các hàm thuộc - tam giác 𝜈(𝑥1) 𝐵 𝜈(𝑥3) và 𝜈(𝑥2) 𝐶 𝜈(𝑥4), thông qua việc chuẩn hóa để độ thuộc luôn nằm trong khoảng [0,1]. Còn theo cách thứ 2, ta
có EG và EF chính là độ thuộc của E vào 2 tập mờ này. Ta có, do EG song song với 𝜈(𝑥2) 𝐵
nên 𝐸𝐺
𝜈(𝑥2)𝐵 =
𝐸 𝜈(𝑥3)
𝜈(𝑥2)𝜈(𝑥3). Tương tự
𝐸𝐹
𝑣(𝑥3)𝐶 =
𝜈(𝑥2)𝐸
𝜈(𝑥2)𝜈(𝑥3). Ngoài ra, 𝜈(𝑥2) 𝐵 = 𝜈(𝑥3) 𝐶 = 1
nên cuối cùng ta có 𝐸𝐹
𝐸𝐺=
𝐸 𝜈(𝑥2)
𝐸 𝜈(𝑥3). Từ đó dễ dàng suy ra thực chất hai cách gắn độ thuộc này
là tương đương. Điều đó cũng nhấn mạnh thêm cách gắn độ thuộc theo cách của ĐSGT là
hợp lý về mặt cảm nhận.
Cách xây dựng các hàm thuộc hay tương đương là các tập mờ để phân chia miền xác
định của thuộc tính theo cách tiếp cận ĐSGT như trên có những ưu điểm sau:
- Do cách xây dựng sử dụng ĐSGT có cơ sở phù hợp với ngữ nghĩa con người cảm nhận
nên về mặt cảm tính, có thể thấy các hàm thuộc được xây dựng là phản ánh khá tốt ngữ
nghĩa của tập mờ mà nó biểu diễn.
- Dễ thấy là độ phủ của các hàm thuộc là tốt (luôn phủ kín miền xác định). Từ đó ta thấy
nếu cần tối ưu mức độ phù hợp phù hợp của MF, ta chỉ cần tối ưu mức độ chồng lên nhau
và mức độ bao phủ của các MF. Bài toán tối ưu các tham số của ĐSGT theo độ chồng lấn
và tính hữu dụng có thể giải bằng một giải thuật GA.
- Các tham số cần quản khi xây dựng là ít (mỗi tam giác một tham số, là giá trị ĐLNN),
khi thay đổi tham số ban đầu của ĐSGT, dễ dàng xác định lại được các MF mới và các MF
vẫn giữ nguyên độ đo chồng lấn và phủ như cũ. Phương pháp này đơn giản và hợp lý.
3.2.2. Phân hoạch giá trị miền thuộc tính sử dụng biểu diễn đa thể hạt Phương pháp phân chia miền mờ theo tiếp
cận ĐSGT sử dụng biểu diễn đơn thể hạt tuy
có những ưu điểm như đã trình bày, vẫn còn
có những hạn chế liên quan đến ngữ nghĩa của
dữ liệu. Theo lý thuyết ĐSGT, các MF mà ta
tạo nên ở trên dựa trên phân hoạch của các
hạng từ có cùng độ dài. Điều đó có nghĩa các
luật kết hợp mà ta khai phá được chỉ bao gồm
các hạng từ có cùng độ dài, mà điều đó làm
giảm ý nghĩa của các luật khai phá được. Nếu ta không quan tâm lắm đến ngữ nghĩa dữ liệu,
chỉ đơn thuần là phân chia miền xác định một cách gần như máy móc (như phần lớn các
Hình 3.2: Phân hoạch miền giá trị
của thuộc tính dựa trên biểu diễn đơn
thể hạt
-
15
phương pháp theo cách tiếp cận tập mờ đã làm) thì phương pháp đề xuất sử dụng biểu diễn
đơn thể hạt sử dụng ĐSGT trình bày trong mục 3.2.1 là khá tốt. Tuy nhiên, nếu để ý đến
ngữ nghĩa của dữ liệu - là điều cực kỳ quan trọng để có được các tri thức tốt trong khai phá
luật kết hợp - ta phải có một cách tiếp cận sâu hơn. Có thể xây dựng các khoảng mờ ngữ
nghĩa để tạo nên các phân hoạch của các hạng từ có độ dài khác nhau nhưng cách này không
thật chuẩn tắc vì những phân hoạch tạo ra không phải là duy nhất. Trong chương này, luận
án chọn cách tiếp cận dựa trên biểu diễn dữ liệu theo cấu trúc đa thể hạt. Với phương pháp
này, nhằm nâng cao tri thức của các luật kết hợp, các luật kết hợp thu được sẽ phong phú
hơn.
Hình 3.3: Cấu trúc hạt thể nhiều mức
Về mặt tư tưởng, sử dụng biểu diễn đa thể hạt, như đã nói, cho ta cái nhìn đa dạng hơn
về thông tin đầu vào. Việc xây dựng, biểu diễn và sử dụng cấu trúc hạt thường tuân thủ quy
tắc đa mức và đa dạng (multilevel và multiview). Quy tắc multilevel là ưu điểm do cấu trúc
hạt mang lại thể hiển ở sự hiểu và biểu diễn đa mức các hạt. Quy tắc đa dạng gắn liền vừa
với sự tồn tại khách quan của dữ liệu (các hạt thông tin) vừa với cái nhìn chủ quan của người
nghiên cứu sử dụng dữ liệu, theo đó ở mỗi mức cấu trúc hạt, thông tin có thể phân chia theo
các cách khác nhau. Với tính toán hạt tuân thủ hai quy tắc nêu trên, chúng ta có cái nhìn có
cấu trúc về dữ liệu, vừa mang tính hệ thống lại vừa đơn giản hơn trong việc giải các bài toán
khai phá dữ liệu. Ngoài ra, rất quan trọng trong hướng nghiên cứu theo tiếp cận của ĐSGT
của luận án, tính toán hạt và gắn liền với nó là biểu diễn đa thể hạt dữ liệu theo các quy tắc
nêu trên thỏa mãn những đòi hỏi về tính diễn giải được. Các đòi hỏi đó là việc phân chia các
hạt cần bảo toàn thứ tự ngôn ngữ tự nhiên (thí dụ như “trẻ” < “già” thì khi phân chia tiếp,
mọi phần của nhãn ngôn ngữ “trẻ”, chẳng hạn “khá trẻ” phải nhỏ hơn mọi phần của “trung
niên”, chẳng hạn “khá già”, tức “khá trẻ” < “khá già” và bảo toàn quan hệ chung-riêng, từ
tính chung cao hơn thì giá tập mờ của nó chứa giá tập mờ của từ có tính riêng hơn; đa thể
hạt là cấu trúc có thể thỏa mãn cả hai đòi hỏi này. Một điểm nhấn quan trọng là với cách
tiếp cận của ĐSGT, việc chuyển sang tính toán hạt đa mức và đa dạng hoàn toàn đơn giản
mà luận án sẽ chứng tỏ ở sau.
Đối với lý thuyết tập mờ (theo L.Zadeh), một trong những hạn chế của các phương pháp
sử dụng biểu diễn đa thể hạt là đôi khi lựa chọn các hàm thuộc không dễ dàng vì có ít cơ sở
để xác định các hàm thuộc ở các mức khác nhau, và chưa thể xây dựng ràng buộc giữa
chúng. Hầu như việc xác định này
chỉ tiến hành theo kinh nghiệm, qua
ví dụ trên ta cũng có thể cảm nhận
được điều đó. Đồng thời, việc tiến
hành tính toán với các mức khác
nhau của dữ liệu sẽ gây sự phức tạp
kéo theo chi phí lớn hơn nhiều về
thời gian cũng như bộ nhớ.
Ngược lại, với ĐSGT việc thiết
kế phân hoạch mờ trên miền giá trị
của thuộc tính các mức khác nhau
của biểu diễn đa thể hạt là dễ dàng
vì nằm trong bản thân cách xây
dựng ĐSGT. Trong lý thuyết
Hình 3.4: Phân hoạch miền giá trị của thuộc
tính dựa trên biểu diễn đa thể hạt
-
16
ĐSGT, với mỗi miền giá trị của thuộc tính chỉ cần xác định bộ tham số mờ của ĐSGT là ta
có thể xác định khoảng tính mờ của tất cả các hạng từ thông qua các công thức tính toán xác
định dù cho hạng từ này có độ dài bao nhiêu (tức dù cho hạng từ này có nằm ở mức bao
nhiêu trong hệ thống biểu diễn đa thể hạt). Tính phân cấp là một trong những cách thức
chính mà GrC sử dụng cũng nằm trong cách xây dựng ĐSGT. Theo lý thuyết ĐSGT, mỗi
hạng từ x có độ dài k có thể phân hoạch thành các hạng từ ℎ𝑖𝑥 (với ℎ𝑖 là mọi gia tử của ĐSGT đang xét) có độ dài k+1. Có thể nói, ĐSGT là công cụ hết sức thích hợp cho tính toán
đa thể hạt.
Hình 3.4 là một ví dụ gồm 3 thể hạt được xây dựng dựa trên giá trị định lượng nghữ
nghĩa của ĐSGT. Thể hạt mức 0 gồm 3 hàm thuộc, thể hạt mức 1 gồm 4 hàm thuộc, và thể
hạt mức 2 gồm 6 hàm thuộc.
3.3. Phương pháp tối ưu tham số mờ ĐSGT cho bài toán khai phá luật kết hợp Để tìm kiếm hàm thuộc tối ưu cho bài toán khai phá luật kế hợp mờ, các tác giả trước
đây đã sử dụng một số tiêu chí để đánh giá các hàm thuộc cho các thuộc tính. Cụ thể, sự
thích hợp (Suitabitity) của tập MF dùng để phân chia thuộc tính ngôn ngữ 𝐼𝑞 có thể đánh giá
qua 3 yếu tố: độ chồng lấn (Overlap_factor) đo độ chồng lấn của các MF lên nhau; độ phủ
(Coverge factor) đo độ bao phủ miền giá trị của các MF này, và tính hữu dụng (usage
factor).
Trong phần này, dựa vào giá trị định lượng ngữ nghĩa của ĐSGT để xây dựng các hàm
thuộc cho các thuộc tính số và áp dụng cho bài toán khai phá luật kết hợp mờ. Thay vì đi tối
ưu các tham số của hàm thuộc, chúng ta đi tối ưu các tham số mờ của ĐSGT.
Hình 3.5: Lược đồ tìm kiếm phân hoạch tối ưu cho miền xác định thuộc tính và khai phái
luật kết hợp
Hình 3.5 là lược đồ tìm kiếm hàm thuộc và khai phá luật kết hợp gồm hai bước:
Bước 1: Tìm kiếm hàm thuộc: với các tham số ĐSGT của các thuộc tính. Chúng ta có
thể dễ dàng xây dựng các hàm thuộc cho các thuộc tính như trình bày trong mục 3.2 để tính
toán hàm mục tiêu. Kết thúc bước 1 chúng ta thu được tập các tham số của các ĐSGT. Từ
các tham số của các ĐSGT, chúng ta có thể dễ dàng xây dựng các hàm thuộc ở bước 2.
Bước 2: Khai phá luật kết hợp: Chúng ta sử dụng các tham số ĐSGT thu được ở bước 1
để mờ hoá CSDL giao dịch và tiến hành khai phá luật kết hợp mờ. Kết thúc bước này chúng
ta thu được tập các luật kết hợp biểu thị bằng thông tin ngôn ngữ.
3.3.1. Mã hóa tập các MF Để xây dựng các hàm thuộc cho các thuộc tính, trong luận án sử dụng ĐSGT có cấu trúc
𝐴𝑋 = (𝑋, 𝐺, 𝐻, ≤) trong đó: 𝐺 = {𝐶− = {𝐿𝑜𝑤} ∪ 𝐶+ = {𝐻𝑖𝑔ℎ}}; 𝐻 = {𝐻− = {𝐿𝑖𝑡𝑡𝑙𝑒} ∪
-
17
𝐻+ = {𝑉𝑒𝑟𝑦}}; 𝛼 = 𝜇(𝐿𝑖𝑡𝑡𝑙𝑒) = 1 − 𝜇(𝑉𝑒𝑟𝑦), 𝛽 = 𝜇(𝑉𝑒𝑟𝑦); 𝑤 = 𝑓𝑚(𝐿𝑜𝑤) = 1 −
𝑓𝑚(𝐻𝑖𝑔ℎ). Với cấu trúc ĐSGT trên gồm bộ bốn tham số: 𝜇(𝐿𝑖𝑡𝑡𝑙𝑒), 𝜇(𝑉𝑒𝑟𝑦), 𝑓𝑚(𝐶−), 𝑓𝑚(𝐶+).
Tham số 𝛼 = 𝜇(𝑉𝑒𝑟𝑦) = 1 − 𝜇(𝐿𝑖𝑡𝑡𝑙𝑒), và 𝑤 = 𝑓𝑚(𝐿𝑜𝑤) = 1 − 𝑓𝑚(𝐻𝑖𝑔ℎ), vì vậy với mỗi ĐSGT chúng ta chỉ cần tìm hai tham số 𝛼 và 𝑤 thay vì tìm cả bốn tham số.
Dựa vào các tham số của ĐSGT của các thuộc tính, chúng ta xây dựng các hàm thuộc
theo dạng đơn thể hạt như trình bày mục 3.2.1 hoặc biểu diễn đa thể hạt như trình bà ytrong
mục 3.2.2.
Chúng ta cần phải cần phải tìm kiếm các tham số mờ của các ĐSGT 𝐴𝑋𝑖 cho n thuộc tính định lượng, mỗi ĐSGT gồm có hai tham số 𝛼𝑖 , 𝑤𝑖 (i=1,…,n). Như vậy để biểu diễn một nhiệm sắc thể cần một mảng số thực có kích thước 2*n. Cấu trúc một gene như sau:
(𝛼1, … , 𝛼𝑛, 𝑤1, … , 𝑤𝑛) (3.1)
3.3.2. Đánh giá nhiễm sắc thể Hàm mục tiêu của một nhiễm sắc thể 𝐶𝑞 được định nghĩa như sau:
𝑓𝑖𝑡𝑛𝑒𝑠𝑠(𝐶𝑞) =
∑ 𝑓𝑢𝑧𝑧y_support(x)𝑥∈𝐿1𝑠𝑢𝑖𝑡𝑎𝑏𝑖𝑙𝑖𝑡𝑦(𝐶𝑞)
(3.2)
Với: 𝐿1 là tập phổ biến 1-Itemset sử dụng tập các hàm MF trong 𝐶𝑞.
Với 𝑓𝑢𝑧𝑧𝑦_𝑠𝑢𝑝𝑝𝑜𝑟𝑡(𝑥) độ hỗ trợ mờ của 1-Itemset x được tính toán từ CSDL giao dịch,
𝑠𝑢𝑖𝑡𝑎𝑏𝑖𝑙𝑖𝑡𝑦(𝐶𝑞) mức độ phù hợp phù hợp của MF trong 𝐶𝑞.
Mức độ phù hợp của tập các MF trong nhiệm sắc thể 𝐶𝑞 được định nghĩa như sau:
𝑠𝑢𝑖𝑡𝑎𝑏𝑖𝑙𝑖𝑡𝑦(𝐶𝑞) = ∑[𝑜𝑣𝑒𝑟𝑙𝑎𝑝_𝑓𝑎𝑐𝑡𝑜𝑟(𝐶𝑞𝑘) + 𝑐𝑜𝑣𝑒𝑟𝑎𝑔𝑒_𝑓𝑎𝑐𝑡𝑜𝑟(𝐶𝑞𝑘)]
𝑛
𝑘=1
(3.3)
Với n là số lượng item, 𝑜𝑣𝑒𝑟𝑙𝑎𝑝_𝑓𝑎𝑐𝑡𝑜𝑟(𝐶𝑞𝑘) là mức độ chồng lên nhau của các MF
của item 𝐼𝑘 trong nhiệm sắc thể 𝐶𝑞, và 𝑐𝑜𝑣𝑒𝑟𝑎𝑔𝑒_𝑓𝑎𝑐𝑡𝑜𝑟(𝐶𝑞𝑘) là mức độ bao phủ của các
MF đối với item 𝐼𝑘 trong nhiễm sắc thể 𝐶𝑞.
𝑂𝑣𝑒𝑟𝑙𝑎𝑝_𝑓𝑎𝑐𝑡𝑜𝑟 biểu diễn tỷ lệ các MF chồng lên nhau của item 𝐼𝑘 trong nhiễm sắc thể 𝐶𝑞.
Overlap factor của MF đối với item 𝐼𝑘 trong nhiễm sắc thể 𝐶𝑞 được định nghĩa như sau:
Overlap_factor(𝐶𝑞𝑘) = ∑ ∑ [𝑚𝑎𝑥 (𝑜𝑣𝑒𝑟𝑙𝑎𝑝(𝑅𝑖,𝑅𝑗)
𝑚𝑖𝑛(𝑠𝑝𝑎𝑛𝑅𝑅𝑖,𝑠𝑝𝑎𝑛𝐿𝑅𝑗
,), 1) − 1]𝑚𝑗=𝑖+1
𝑚𝑘=1
(3.4)
𝐶𝑜𝑣𝑒𝑟𝑎𝑔𝑒_𝑓𝑎𝑐𝑡𝑜𝑟 biểu diễn tỷ lệ bao phủ của các MF đối với item 𝐼𝑘 trong nhiễm sắc thể 𝐶𝑞. Coverage_factor của MF đối với item 𝐼𝑘 trong nhiễm sắc thể 𝐶𝑞 được định nghĩa:
Coverage_factor(𝐶𝑞𝑘) =
1
𝑅𝑎𝑛𝑔(𝑅1, … , 𝑅𝑚)𝑚𝑎𝑥(𝐼𝑘)
(3.5)
Với 𝑅𝑎𝑛𝑔(𝑅1, … , 𝑅𝑚) là phạm vi bao phủ của MF và 𝑚𝑎𝑥(𝐼𝑘) giá trị lớn nhất của 𝐼𝑘 trong giao dịch.
3.4. Thuật toán tìm kiếm phân hoạch mờ tối ưu và luật kết hợp Thuật toán gồm hai pha:
Pha 1: Tìm kiếm phân hoạch mờ tối ưu dựa vào CSDL giao dịch đầu vào.
-
18
Pha 2: Sử dụng thuật toán khai phá luật kết hợp mờ với các MF có được trong Pha 1.
Nội dung thuật toán:
Đầu vào: T giao dịch số, tập gồm n mục (thuộc tính), mỗi mục gồm m hạng từ ngôn
ngữ, độ hỗ trợ min_𝑠𝑢𝑝𝑝, và độ tin cậy min_𝑐𝑜𝑛𝑓 và kích thước quần thể N. Đầu ra: Tập các luật kết hợp mờ và tập hàm thuộc MF.
Nội dung thuật toán:
Pha 1: Tìm kiếm phân hoạch mờ tối ưu từ CSDL giao dịch T
Bước 1: Khởi tạo quần thể gồm N nhiễm sắc thể ngẫu nhiên.
Nhiễm sắc thể biểu diễn có dạng (𝛼1, … , 𝛼𝑛 , 𝑤1 , … , 𝑤𝑛). Với mỗi cặp (𝛼𝑖 , 𝑤𝑖) là một ĐSGT, với i=1,..,n.
Bước 2: Mã hóa các hàm thuộc thành chuỗi mã hóa như trình bày ở mục 3.3.1.
Dựa vào các ĐSGT có được trong Bước 1, xây dựng các hàm thuộc cho các thuộc tính
trong CSDL gốc như trình bày trong phần 3.2. Chúng ta có thể sử dụng biểu diễn hàm thuộc
dạng Đơn thể hạt hoặc Đa thể hạt.
Bước 3: Tính toán hàm mục tiêu cho mỗi nhiễm sắc thể trong quần thể như sau:
Bước 3.1: Mỗi giao dịch và 𝐷𝑖 , với i=1…n, mỗi thuộc tính 𝐼𝑗, j=1…m biến đổi thành giá
trị số 𝑣𝑗 (𝑖)
như sau: (𝑓𝑗1
(𝑖)
𝑅𝑗1+
𝑓𝑗2(𝑖)
𝑅𝑗2+ ⋯ +
𝑓𝑗𝑙(𝑖)
𝑅𝑗𝑙 ) để biểu diễn tập hàm thuộc của một nhiễm sắc
thể.
Với 𝑅𝑗𝑘 là vùng mờ thứ k của item 𝐼𝑗, 𝑓𝑗𝑙(𝑖)
: 𝑣𝑗(𝑖)
là giá trị của hàm thuộc thứ j của item 𝐼𝑗,
l là số miền mờ.
Bước 3.2: Tính toán giá trị mỗi miền mờ:
𝑐𝑜𝑢𝑛𝑡𝑗𝑘 = ∑ 𝑓𝑗
(𝑖) 𝑛𝑖=1 (3.6)
Bước 3.3: Mỗi miền mờ 𝑅𝑗𝑘, 1 ≤ 𝑗 ≤ 𝑚, 1 ≤ 𝑘 ≤ |𝐼𝑗|, kiểm tra giá trị 𝑐𝑜𝑢𝑛𝑡𝑗𝑘 so với
ngưỡng độ hỗ trợ tối thiểu min_supp. Nếu 𝑅𝑗𝑘 thỏa mãn điều kiện thì đưa vào tập phổ biến
1-Itemset (𝐿1). 𝐿1 = {𝑅𝑗𝑘| 𝑐𝑜𝑢𝑛𝑡𝑗𝑘 ≥ 𝛼, 1 ≤ 𝑗 ≤ 𝑚, 1 ≤ 𝑘 ≤ |𝐼𝑗|}
Bước 3.4: Giá trị mục tiêu của nhiễm sắc thể được tính theo công thức sau:
𝑓𝑖𝑡𝑛𝑒𝑠𝑠(𝐶𝑞) =
∑ 𝑓𝑢𝑧𝑧𝑦_𝑠𝑢𝑝𝑝𝑜𝑟𝑡(𝑥)𝑥∈𝐿1𝑠𝑢𝑖𝑡𝑎𝑏𝑖𝑙𝑖𝑡𝑦(𝐶𝑞)
(3.7)
Bước 4: Thực hiện phép lai tạo trong quần thể.
Bước 5: Sử dụng phép chọn lọc theo điều kiện để chọn các cá thể trong quần thể để tạo
thế hệ tiếp theo.
Bước 6: Nếu điều kiện dừng chưa thỏa mãn thì quay lại Bước 3, ngược lại thực hiện
bước tiếp theo.
Bước 7: Hàm thuộc được lựa chọn từ cá thể có giá trị hàm mục tiêu lớn nhất trong quần
thể.
Pha 2: Khai phá luật kết hợp mờ
Sử dụng thuật toán khai phá luật kết hợp mờ.
3.5. Kết quả thực nghiệm Trong phần này sẽ mô tả CSDL dùng trong thử nghiệm và các kết quả thử nghiệm với
hai phương pháp luận án đề xuất: sử dụng biểu diễn dữ liệu dạng đơn thể hạt và sử dụng
biểu diễn dữ liệu dạng đa thể hạt.
-
19
Các tham số của giải thuật GA như sau: kích thước quần thể 50; số thế hệ 10000, số bít
cho mỗi gen là 30, xác suất lai tạo 0.6.
3.5.1. Cơ sở dữ liệu sử dụng trong thử nghiệm CSDL được sử dụng trong thử nghiệm gồm: FAM95, pollution, stulong, basketball,
quake, stock.
. 3.5.2. Phân tích và đánh giá kết quả thực nghiệm với biểu diễn dữ liệu dạng đơn thể hạt
Trong phần này các kết quả thu được từ thử nghiệm với biểu diễn hàm thuộc dang đơn
thể hạt. Mỗi mục (thuộc tính) được chia làm 5 miền mờ có các nhãn tương ứng trong ĐSGT
là {0, 𝑐−, 𝑊, 𝑐+, 1}. Phương pháp sử dụng ĐSGT được so sánh với 3 phương pháp khác: Phương pháp do Herrera và cộng sự [53], phương pháp của Hong và cộng sự [42] và phương
pháp phân chia đều miền giá trị của thuộc tính bằng các MF đồng dạng.
3.5.2.1. Kết quả thử nghiệm với CSDL FAM95 Trong Bảng 3.5 là các tham số mờ của các ĐSGT của 10 thuộc tính số thu được sau khi
chạy giải thuật di truyền. Các tham số này được sử dụng để xây dựng các hàm thuộc theo
dạng biểu diễn đơn thể hạt như đã trình bày trong mục 3.2.1.
Bảng 3.5: Các tham số mờ của các ĐSGT được tối ưu của 10 thuộc tính với phương pháp
sử dụng biểu diễn đơn thể hạt
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
𝜇(𝐿) 0.679 0.350 0.610 0.649 0.214 0.379 0.202 0.704 0.231 0.213 𝜇(𝑉) 0.321 0.650 0.390 0.351 0.786 0.621 0.798 0.296 0.769 0.787
𝑓𝑚(𝐶−) 0.504 0.764 0.799 0.756 0.732 0.479 0.800 0.499 0.765 0.776 𝑓𝑚(𝐶+) 0.496 0.236 0.201 0.244 0.268 0.521 0.200 0.501 0.235 0.224
Kết quả thu được như trong Bảng 3.6, với 𝐹𝑠𝑢𝑝: Tổng độ hỗ trợ của các tập phổ biến 1-
ItemSet, Fit: Giá trị hàm mục tiêu, Suit: Độ phù hợp, #1I: Số lượng 1-ItemSet, Interest: độ
thú vị trung bình của các luật.
Từ kết quả trên có thể thấy:
- So với phương pháp phương pháp do Herrera và cộng sự [53], phương pháp của Hong
và cộng sự [42] là như nhau.
- Phương pháp phân chia đều kém hơn phương pháp sử dụng ĐSGT
Với độ hỗ trợ min_supp = 50%, phương pháp ĐSGT có kém chút ít phương pháp của
nhóm Herrera và nhóm Hong về số tập phố biến 1-ItemSet. Với độ hỗ trợ min_supp = 70%
phương pháp sử dụng ĐSGT kém hơn phương pháp do Herrera đề xuất, nhưng hơn hai
phương pháp còn lại..
Bảng 3.6: Kết quả thử nghiệm biểu diễn đơn thể hạt Phương pháp đề xuất sử dụng ĐSGT
Min Sup (%) Fit Fsup Suit #1I
20 0.98 9.83 10 22
50 0.79 7.87 10 10
70 0.66 6.62 10 8
90 0.09 0.94 10 1
Phương pháp của Herrera và cộng sự
Min Sup (%) Fit Fsup Suit #1I
20 0.95 10.46 10.99 22
50 0.77 9.92 12.92 15
70 0.61 7.69 12.57 10
-
20
90 0.10 0.92 10.0 1
Phương pháp của Hong và cộng sự
Min Sup (%) Fit Fsup Suit #1I
20 0.53 10.22 19.27 22
50 0.38 7.95 20.63 12
70 0.20 3.96 19.54 5
90 0.06 0.90 15.01 1
Phương pháp phân chia đều
Min Sup (%) Fit Fsup Suit #1I
20 0.94 9.43 10 21
50 0.46 4.57 10 7
70 0.24 2.36 10 3
90 0.00 0.00 10 0
Với mục tiêu, xây dựng các hàm thuộc sao cho không chồng lên nhau quá nhiều, và
không rời rạc nhau. Giá trị Suit (độ phù hợp của các MF) trong hàm mục giúp chúng ta tìm
kiếm các hàm thuộc đảm bảo điều này. Trong Bảng 3.6 cho thấy, phương pháp sử dụng
ĐSGT có giá trị Suit thấp hơn phương pháp Herrera và Hong. Giá trị Suit nhỏ giúp cho giá
trị hàm mục tiêu càng lớn. Điều đó cho thấy, các hàm thuộc được xây dựng bằng phương
pháp sử dụng ĐSGT gia tử cho kết quả tốt hơn (Hình 3.9). Kết quả của nhóm Herrera tuy
có tốt hơn về mặt số tập phố biến 1-ItemSet (trong Bảng 3.6 giá trị 1-ItemSet lần lượt là 22,
15, 10, 1) nhưng các tập MF thu được sau khi chạy GA thì rất không tốt (xem Hình 3.14:
hình vẽ MF với độ hỗ trợ tối thiểu 20% dưới đây để thấy rõ).
Bảng 3.7: Quan hệ giữa độ thú vị trung bình của các luật
Min support (%) 20 30 40 50 60 70
PP ĐSGT 0.383 0.516 0.585 0.713 0.771 0.82
PP Herrera 0.368 0.483 0.591 0.669 0.767 0.822
PP Phân chia đều 0.385 0.489 0.606 0.672 0.774 0.821
Trong Hình 3.12 cho thấy số lượng 1-ItemSet của phương pháp ĐSGT kém hơn so với
kết quả Herrera và hơn so với các phương pháp còn lại. Tuy nhiên dựa vào giá trị Suit trong
Bảng 3.6 và bằng trực quan trong Hình 3.14 cho thấy hàm thuộc của nhóm Herrera có độ
chồng lấn quá nhiều, có một số hai hàm thuộc gần như chồng khít lên nhau.
Trong thử nghiệm, độ thú vị của luật được tính theo công thức 2.5 trong mục 1.4.1. Từ
kết quả trong Bảng 3.7 cho thấy độ thú vị trung bình của các luật của phương pháp sử dụng
ĐSGT cao hơn hoặc bằng hai phương pháp còn lại.
Hình 3.14: Tập hàm thuộc thu được sau khi thực hiện GA với phương pháp của Herrera
sử dụng lý thuyết tập mờ
-
21
Trong Hình 3.14 có thể thấy, kết quả thu được tập các MF đều có 1 cặp MF gần như
chồng khít, không thỏa mãn tiêu chí về độ chồng lấn. Điều này chứng tỏ kết quả phân chia
miền mờ của phương pháp này không tốt (ở đây kết quả chỉ ra một điều là có lẽ chia thành
4 miền mờ thì hợp lý hơn, khi đó các nhãn ngôn ngữ cũng sẽ khác, chỉ có 4 thay vì 5). Vấn
đề lựa chọn không chỉ các hàm MF phân chia miền xác định của mục khi cố định số lượng
(thí dụ như 5) mà hơn nữa, lựa chọn chính số lượng đó cho từng mục là vấn đề đáng được
quan tâm vì có thể thấy các chỉ số nêu trên bảng trên phụ thuộc nhiều vào số lượng của các
MF cho từng mục.
Trong chương này, luận án trình bày thuật toán tối ưu hóa cả số lượng lẫn thông số các
MF cho các thuộc tính định tính nhằm tới kết quả tốt nhất khi khai phá dữ liệu thông qua
việc sử dụng khái niệm đa thể hạt khi phân chia miền mờ. Các hình ảnh cho tập MF theo
phương pháp ĐSGT được đưa ra trong Hình 3.15. Tất nhiên, các tam giác biểu diễn các MF
ở đây vẫn tạo nên một phân hoạch mạnh theo cách ta xây dựng.
Hình 3.15 là tập các hàm thuộc của 10 thuộc tính thu được sau khi thực hiện tối ưu bằng
giải thuật di truyền. Bằng trực quan chúng ta có thể thấy, các tập mờ có sự phân bố đều đảm
bảo độ chồng lấn giữa các tập mờ vừa phải và các tập mờ phủ toàn bộ trên miền giá trị của
thuộc tính.
Hình 3.15: Tập hàm thuộc thu được sau khi thực hiện GA với phương pháp sử dụng biểu
diễn đơn thể hạt và ĐSGT
3.5.2.2. Kết quả thử nghiệm với một số CSDL khác Trong mục này, luận án sử dụng cấu trúc ĐSGT như trọng mục 3.5.2.1, và trình bày kết
quả thử nghiệm với 5 CSDL gồm: Pollution, Stulong, Basketball, Quake, Stock. Luận án
trình bày so sánh kết quả đề xuất với hai phương pháp khác là: Phương pháp do Herrera và
cộng sự [53], phương pháp của Hong và cộng sự [42]. Trong Bảng 3.8 là số lượng tập phổ
biến 1-ItemSet, Bảng 3.9 là độ thú vị trung bình.
Bảng 3.8: Bảng số lượng tập phổ biến 1-ItemSet
CSDL Min Supp (%) PP đề xuất PP Herrera PP Hong
pollution
20 37 45 56
50 15 14 43
70 5 2 18
90 1 0 1
stulong
20 10 13 17
50 5 10 13
70 5 5 13
90 0 0 2
-
22
Bảng 3.9: Bảng Độ thú vị trung bình
CSDL Min Supp (%) PP đề xuất PP Herrera PP Hong
pollution
20 0.351 0.349 0.342
50 0.643 0.665 0.654
70 0.823 0.918 0.798
stulong
20 0.487 0.457 0.414
50 0.754 0.651 0.685
70 0.824 0.783 0.789
Trong thử nghiệm, độ thú vị của luật được tính theo công thức 2.5 trong mục 1.4.1. Từ
kết quả trong Bảng 3.9 cho thấy độ thú vị trung bình của các luật kết hợp thu được của
phương pháp sử dụng ĐSGT cao hơn hoặc sấp sỉ bằng hai phương pháp còn lại.
3.5.3. Phân tích và đánh giá kết quả thực nghiệm với biểu diễn dữ liệu dạng đa thể hạt Với mỗi thuộc tính trong CSDL được phân chia miền mờ sử dụng biểu diễn đa thể hạt
và mỗi thuộc tính sử dụng một cấu trúc ĐSGT như trình bày trong mục 3.5.2.2.
Các kết quả thử nghiệm được so sánh với các kết quả đã công bố trước đây trong Bảng
3.10, thống kê số lượng tập phố biến với mỗ độ hỗ trợ khác nhau từ 20% đến 80%. Bảng
3.11 là kết quả thử nghiệm với ba phương pháp: phương pháp đề xuất sử dụng biểu diễn đa
thể hạt, phương pháp biểu diễn đơn thể hạt đề xuất trong chương 3 và phương pháp Herrera
(2009). Kết quả cho thấy phương pháp sử dụng biểu diễn Đa thể hạt cho số lượng 1-ItemSet
tốt hơn số với hai phương pháp còn lại (như Hình 4.3). Ở đây, (liệt kê các thuộc tính dùng
so sánh: độ phủ, chồng lấn đã trình bày ở trong mục 3.3.3) và các phương pháp dùng để so
sánh đều thực hiện với biểu diễn đơn thể hạt. Các kết quả thử nghiệm cho thấy ưu việt của
việc sử dụng biểu diễn đa thể hạt và ĐSGT, củng cố thêm cho các kết quả nghiên cứu liên
quan đến sử dụng biểu diễn đa thể hạt (một số công trình công bố trong một số năm gần đây
sử dụng biểu diễn đa thể hạt [37, 66-68, 82, 84])
Bảng 3.10: Các tham số mờ của các ĐSGT được tối ưu của 10 thuộc tính với phương
pháp sử dụng biểu diễn đa thể hạt A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
𝜇(𝐿) 0.531 0.203 0.445 0.548 0.208 0.233 0.202 0.200 0.212 0.204 𝜇(𝑉) 0.469 0.797 0.555 0.452 0.792 0.767 0.798 0.800 0.788 0.796
𝑓𝑚(𝐶−) 0.202 0.501 0.562 0.457 0.617 0.316 0.800 0.798 0.586 0.651 𝑓𝑚(𝐶+) 0.798 0.499 0.438 0.543 0.383 0.684 0.200 0.202 0.414 0.349
Bảng 3.11: Quan hệ giữa số lượng tập mục và độ hỗ trợ tối thiểu Min Support (%) 20 30 40 50 60 70 80
1-itemset 59 50 38 29 26 22 17
2-itemset 974 675 456 371 285 187 78
3-itemset 8890 4806 3111 2660 2518 772 150
4-itemset 50242 20719 13095 11890 4708 1774 167
5-itemset 187379 57461 36432 34995 9506 2528 167
Có thể thấy là dùng biểu diễn đa thể hạt sẽ cho kết quả tốt hơn hẳn. Ngoài ra, như đã nói
ở trên, về mặt ngữ nghĩa, dùng biểu diễn đa thể hạt sẽ cho chúng ta các luật mang tính khái
quát cao và các luật chi tiết. Luận án tiến hành thử nghiệm phương pháp của Herrera với
việc phân chia như vậy, kết quả tuy có tăng về chỉ số nhưng vẫn kém phương pháp đề xuất
(xem đồ thị so sánh Hình 3.27:). Cần nhấn mạnh rằng, với phương pháp luận án đề xuất,
việc tính toán liên quan đến biểu diễn đa thể hạt là tăng thêm không đáng kể về mặt phức
tạp cũng như mặt thời gian mà kết quả nhận được lại tốt hơn rất nhiều.
-
23
Hình 3.28: Tập hàm thuộc thu được sau khi thực hiện GA với phương pháp sử dụng biểu
diễn đa thể hạt và ĐSGT
Bảng 3.12: Quan hệ giữa số lượng 1-itemset và độ hỗ trợ tối thiểu
Min Support (%) 20 30 40 50 60 70 80 90
PP biểu diễn Đa thể hạt 54 46 35 27 23 14 12 5
PP biểu diễn Đơn thể hạt 21 17 13 8 7 6 3 1
PP Herrera và cộng sự 25 21 15 10 5 3 2 0
Trong bảng 3.7 là các tham số mờ của các ĐSGT của 10 thuộc tính số thu được sau khi
chạy giải thuật di truyền. Các tham số này được sử dụng để xây dựng các hàm thuộc theo
dạng biểu diễn đa thể hạt như đã trình bày trong mục 3.2.2.
Hình 3.18 tập các hàm thuộc biểu diễn dạng đa thể hạt của 10 thuộc tính thu được sau
khi thực hiện tối ưu bằng giải thuật GA. Có thể thấy các hàm thuộc được xây dựng dựa trên
ĐSGT của các thuộc tính có phân bố khá tốt, đảm bảo độ bao phủ toàn miền giá trị và độ
chồng lấn hợp lý.
3.6. Kết luận chương 3 Chương này luận án đề xuất phương pháp khai khá luật kết hợp mờ sử dụng ĐSGT dựa
trên cơ sở phân chia mờ miền giá trị thuộc tính với biểu diễn đơn thể hạt và đa thể hạt. Với
mỗi thuộc tính số sẽ sử dụng một cấu trúc ĐSDT để xây dựng các hàm thuộc dạng đơn thể
hạt hoặc đa thể hạt. Luận án sử dụng giải thuật di truyền để tìm kiếm các thuộc tối ưu (hay
xác định các tham số của các cấu trúc ĐSGT) dựa trên CSDL cho trước. Kết quả nghiên cứu
này cho thấy phương pháp xây dựng các tập hàm thuộc để phân chia tập mục mờ trong bài
toán khai phá luật kết hợp mờ, một công đoạn quan trọng mà còn ít được đầu tư nghiên cứu.
Việc mở rộng ĐSGT (không chỉ có 5 hạng từ) để đáp ứng yêu cầu bài toán tối ưu hóa cả số
lượng lẫn các thông số các MF đã nêu trên sẽ vừa giải quyết tốt bài toán khai phá dữ liệu,
vừa phát huy thế mạnh của ĐSGT. Sử dụng ĐSGT có thể tăng dễ dàng số hạng từ mà vẫn
đảm bảo có được các phân hoạch mạnh dùng phân chia miền xác định của mục. Nội dung
của chương này được công bố trong các công trình [iii, iv].
Kết quả của luận án được thử nghiệm với 6 CSDL gồm: FAM95, pollution, stulong,
basketball, quake, stock. Các CSDL này được lấy từ kho dữ liệu UCI
(https://archive.ics.uci.edu).
Phương pháp này khá đơn giản nhưng hiệu quả trong việc xây dựng các tập mờ phân
chia miền giá trị thuộc tính. Cách phân chia miền mờ vừa đảm bảo đáp ứng tốt các tiêu chí
về hệ tập mờ, vừa mang lại sự đáp ứng tốt về mặt ngữ nghĩa cho các luật khai phá được.
Luận án đã thử nghiệm với hai phương pháp biểu diễn dữ liệu: biểu diễn đơn thể hạt và biểu
diễn đa thể hạt. Các luật khai phá được bao gồm cả các luật mang tính khái quát cao và các
-
24
luật chi tiết, phụ thuộc v