1 / 6

Research Meeting

Research Meeting. Sungchan Park 2009-09-19. Sequential Pattern Mining for Interval-based Events. Discovering hybrid temporal patterns from sequences consisting of point- and interval-based events TPrefixSpan 저자의 새 논문 TPrefixSpan 과는 전혀 다른 접근방식 사용 SPADE 알고리즘 기반.

kermit
Download Presentation

Research Meeting

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ResearchMeeting Sungchan Park 2009-09-19

  2. Sequential Pattern Mining for Interval-based Events • Discovering hybrid temporal patterns from sequences consisting of point- and interval-based events • TPrefixSpan 저자의 새 논문 • TPrefixSpan과는 전혀 다른 접근방식 사용 • SPADE 알고리즘 기반 Center for E-Business Technology

  3. Sequential Pattern Mining for Interval-based Events • 실험 준비 • 구현 최적화 • PrefixSpan approach의 장점 최대한 활용한 구현 • Java 아닌 C사용 • 비교 대상 추가 • H-DFS (ICDM ‘06): Executable 확보 • HTPM, TPrefixSpan (DKE): 저자 연락 기다리는 중 • 일반 Sequential Pattern Mining 알고리즘과도 비교 • preifxSpan, SPADE (확보) • Real-world dataset 탐색 • ASL dataset 확보(H-DFS 논문에서 사용) • 그외 더 찾아보는 중 Center for E-Business Technology

  4. Sequential Pattern Mining for Interval-based Events • 논문 작성 • Contribution 주장을 위한 논리들 정리 중 • “이 문제가 왜 유용한지”에 대한 논리 추가 • Interval 패턴 모델을 기반으로 해서 만든 Classifier가 좋은 성능을 보임이 몇몇 연구에서 확인됨. • “이 문제가 왜 해결하기 어려운지”에 대한 논리 • 기존 모델에서 유용한 propertie가 새 모델에서는 적용되지 않음을 보임. • Pattern Tail Index의 “직관적” 의미 • 패턴 확장을 체크하기 위해 필요한 최소 정보. • TPrefixSpan(+IEMiner)과 내 방식의 차이에 대한 Formal Analysis • Candidate가 몇 개가 생성되고 그로 인해 얼마만큼의 오버헤드가 발생하는지 등 • 일반 Sequential Pattern Mining 알고리즘들과 내 접근이 어떤 관련이 있는지를 보충 • 어떤 점에서 유사한지? • 기존 성과에 비추어 봤을 때, 본 알고리즘이 어떻게 설명될 수 있는지? • 일반 Sequential Pattern Mining 최근 연구들과 비교 • PRISM: An effective appraoch for frequent sequence mining via prime-block encoding(Journal of Computer and System Science ‘08) • Efficient frequent sequence mining by a dynamic strategy switching algorithm(VLDB Journal ‘09) Center for E-Business Technology

  5. Honor Society: Alpha Pi Mu • 분야 • 산업공학 • 역사 • 1949년 5월 1일 조지아 공과대학에서 설립 • 1952년에 Association of College Honor Society에 가입 • 72개 active chapters • 42024 memberships • 7개 region으로 나누어 운영 • 입회 • Senior의 경우 성적 상위 1/5 이상 • Junior의 경우 성적 상위 1/3 이상 • 석사 과정의 경우 이수 기준 1/3 이상을 이수하고, 성적 상위 1/2 이상 • 박사 과정의 경우 학과장이나 교수의 추천서 필요 • 위 기본 조건들 외에, 각 Chapter들은 나름의 기준을 더할 수 있음 Center for E-Business Technology

  6. Honor Society: Alpha Pi Mu • 활동 • 멘토링(S.H.U.R: Student Helping Undergradate Retention) 운영 • Career Day 지원 • 우수 멤버들에게 매년 $1000의 장학금 제공 • 교직원과 학생을 위한 행사 운영 • 주요 챕터 • U.of Michigan • U.C. Berkeley • U. of Wisconsin-Madison • U. of Illinois • U. of Texas • U. of NorthWestern • Georgia Tech. • U. of Washington Center for E-Business Technology

More Related