دراسة مقارنة حول خوارزميات التعدين في قواعد الرابطة في مجموعة بيانات مكافحة العدوى في المستشفى
محتوى المقالة الرئيسي
الملخص
إن العمليات الادارية في مختلف المؤسسات الحديثة ينتج عنها العديد من البيانات والمعلومات المهمة وباشكال مختلفة، ويمكن لهذه البيانات ان تستخدم في عمليات اخرى كالعمليات المحاسبية وادارة العلاقات مع الزبائن. إن استخلاص المعلومات المفيدة وذات الصلة يعد من التحديات الكبيرة خاصة مع ضخامة هذه البيانات وتعقيدها واشكالها المختلفة ونموها المستمر. لحل تلك المشكلة يمكن استخدام التنقيب عن البيانات (Data Mining)، وهي عمليات معقدة تجري على البيانات الكبيرة لغرض استخلاص معلومات وانماط مفيدة والكشف عن العلاقات بين تلك البيانات، والتي تساعد على حل مشكلات الاعمال من خلال تحليل البيانات، ومساعدة المنظمات على التنبؤ بالاتجاهات المستقبلية وبالتالي اتخاذ القرارات الافضل. لقد تم تقديم خوارزمية Apriori لغرض حساب قواعد الترابط بين الاشياء، إن الهدف الاساسي من هذه الخوارزمية هو تاسيس قواعد ترابط بين الاشياء المختلفة والتي تستخدم لوصف كيف ان شيئين او اكثر يرتبطون ببعضهم البعض.في هذه الدراسة تم توظيف نوعين من خوارزميات Apriori، وهي Apriori Property و Apriori Mlxtend، وتم تطبيقهم على قاعدة بيانات المستشفى، وباستخدام لغة بايثون تم الوصول الى ان سرعة خوارزمية Apriori Mlxtend كان 0.38622، بينما سرعة تنفيذ خوارزمية Apriori Property كان 0.090909، اي ان سرعة واداء Apriori Mlxtend كان افضل من سرعة واداء Apriori Property.
Received 19/6/2022
Revised 25/12/2022
Accepted 26/12/2022
Published Online First 20/3/2023
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Koutsojannis, C. Medical Knowledge Extraction: Particular Difficulties And Obligations. 1st edition. Chap 3, NOVA Publishers .2020; 42-43.
Feldman R, Sanger J. The text mining handbook: advanced approaches in analyzing unstructured data. Cambridge university press. 2019. 34(1): 125-127
Muhammed M, Flaih L. Online Web Page Classification. Computer Engineering and Intelligent Systems. 2014; 5)1(: 14-15. https://core.ac.uk/reader/234644747.
Silva M, Rodrigues O. Risk factors for surgical site infection: challenges to public health. J Microbiol Exp. 2019; 10(1): 1-8. https://doi.org/10.15406/jmen.2022.10.00345.
Kocakoç D, Türkölmez B. Using Data Mining Techniques for Designing Patient-Friendly Hospitals. In Advances in Econometrics, Operational Research, Data Science and Actuarial Studies. Springer, Cham. 2022; 321-343. https://doi.org/10.1007/978-3-030-85254-2_20.
Chen B, Huang Z, Liu C, Wu Z. Spatio-temporal data mining method for joint cracks in concrete dam based on association rules. Struct Control Health Monit. 2022; 29: 4-5. https://doi.org/10.1002/stc.2848.
Wardani D. Measuring Positive and Negative Association of Apriori Alg3orithm with Cosine Correlation Analysis. Baghdad Sci J. 2021; 18(3): 0554. https://doi.org/10.21123/bsj.2021.18.3.0554.
Ibrahim W, Abdullaev S, Alkattan H, Adelaja A, Subhi A. Development of a Model Using Data Mining Technique to Test, Predict and Obtain Knowledge from the Academics Results of Information Technology Students. Data. 2022; 1-2. https://doi.org/10.3390/data7050067.
Prasanthi N, Rao MVP. A Comprehensive Assessment of Privacy Preserving Data Mining Techniques. 2nd Int Conf Sustain Expert Syst.. 2022; 833- 842. https://doi.org/10.1007/978-981-16-7657-4_67.
Sastrt J, Suresh V. A Survey Paper on Frequent Itemset Mining. J Phys: Conf Sers. 2019; 1228(1): 1-7.
Abdulmajeed A, Tawfeeq T, Al-jawaherry A. Constructing a Software Tool for Detecting Face Mask-wearing by Machine Learning. Baghdad Sci J. 2022; 19(3): 0642. https://doi.org/10.21123/bsj.2022.19.3.
Dehbozorgi MR. Rastegar M, Sami A. Data mining-based cause identification of momentary outages in power distribution systems. Sustain Cities Soc. 2022; 77: 103587. https://doi.org/10.1016/j.scs.2021.103587.
Babu A, Raj, Varalatchoumy M, Gopila M, Justin F. Novel Approach for Predicting COVID-19 Symptoms using ARM based APRIORI Algorithm. International Conference on Computing Methodologies and Communication (ICCMC). IEEE. 2022; 1577-1580.https://doi.org/10.1109/ICCMC53470.2022.9753987.
Pradeepa S. Jaisaiarun P, Srinivasan P, Subbulakshmi V, Tarik A. FREEDOM Effective Surveillance and Investigation of Water-borne Diseases from Data-centric Networking Using Machine Learning Techniques. Int J Artif Intell Tools. 2022; 2250004. https://doi.org/10.1142/S021821302250004X.
Boyko, N, Komarnytska H, Kryvenchuk Y, Malynovskyy Y. Clustering Algorithms for Economic and Psychological Analysis of Human Behavior. In CMiGIN. 2019; 614-626.
Ivascu T, Cincar K, Carunta A. Extracting Association Rules from Emergency Department Data. The 7th IEEE International Conference on E-Health and Bioengineering. IEEE. 2019: 3-4.
Wang Y, Wu Y, Li Y, Yao F, Fournier-Viger P, Wu X. Self-adaptive nonoverlapping sequential pattern mining. Appl Intell. 2022; 52(6): 6646-6661. https://doi.org/10.1007/s10489-021-02763-y.
Raj S, Ramesh D, Sethi K. A Spark-based Apriori algorithm with reduced shuffle overhead. J Supercomput. 2021; 77(1): 133-151. https://doi.org/10.1007/s11227-020-03253-7.
Datta S, Mali K, Das S, Kundu S, Harh S. Rhythmus periodic frequent pattern mining without periodicity threshold. J Ambient Intell Humaniz Comput. 2022; 1-13. https://doi.org/10.1007/s12652-021-03617-8.
Dinov D. (2023). Qualitative Learning Methods-Text Mining, Natural Language Processing, and Apriori Association Rules Learning. In Data Science and Predictive Analytics: Biomedical and Health Applications using R. Cham: Springer International Publishing. 2023; 385-437. https://Doi:10.1007/978-3-031-17483-4_7.
Tharini J, Shivakumar L. Computational Intelligence and Data Sciences. 1st edition. Florida, USA: CRC Press. Chap 11, High-Utility Itemset Mining: Fundamentals, Properties, Techniques and Research Scope. 2022; 195-210.
Agrawal R, Srikant R. Fast Algorithms for Mining Association Rules. Proc. of the 20th Int Conf. on VLDB: Santiago, Chile. 1994; 487–499. https://doi/10.5555/645920.672836.
Zhao Z, Jian Z, Gaba S, Alroobaea R, Masud M, Rubaiee S. An improved association rule mining algorithm for large data. Int J Intell Syst. 2021; 30(1): 750-762. https://doi.org/10.1515/jisys-2020-0121.
Wu Y, Yuan Z, Li Y, Guo L, Fournier-Viger P, Wu X. NWP-Miner: Nonoverlapping weak-gap sequential pattern mining. Inf Sci. 2022; 588: 124-141. https://doi.org/10.1016/j.ins.2021.12.064.
Wang Y. Internet Medical Privacy Disclosure Mining and Prediction Model Construction Based on Association Rules. Teh. Vjesn. 2022; 29:1: 231-238. https://doi.org/10.17559/TV-20210903062509.
Das A, Jana S, Ganguly P, Chakraborty N. Application of Association Rule: Apriori Algorithm in E-Commerce. In 2021 Innovations in Energy Management and Renewable Resources (IEMRE). 2021; 1-7. https://doi.org/10.1109/IEMRE52042.2021.9386737.
Agrawal R, Imieliński T, Swami A. Mining association rules between sets of items in large databases. In Proc. of the 1993 ACM SIGMOD Int Conf. on Management of data. 1993; 207-216. https://doi.org/10.1145/170035.170072.
Ma H, Ding J, Liu M, Liu Y. Connections between Various Disorders: Combination Pattern Mining Using Apriori Algorithm Based on Diagnosis Information from Electronic Medical Records. Biomed Res Int. 2022; 2022: 1-16. https://doi.org/10.1155/2022/2199317.