New heuristics for performance improvement of ilp-based concept discovery systems
Tümevaran mantık programlama tabanlı sistemler için zaman performansını iyileştirme amaçlı yeni sezgizel yöntemler
- Tez No: 416633
- Danışmanlar: DOÇ. DR. PINAR KARAGÖZ, YRD. DOÇ. ALEV MUTLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günlük hayatta çok miktarda değerli bilgi ilişkisel veri tabanlarında tutulmaktadır. Çok fazla bilginin toplanması, ilişkisel veri tabanlarında değerli modellerin bulunmasını teşvik etmektedir. Tümevaran mantık programlama tabanlı keşif sistemlerinde, çoklu tablolarda tutulan arkaplan bilgisi ve hedef örnekleri kullanılarak hipotezler üretilir. Bu çoklu tablolardaki çoklu argümanlar hipotez üretirken geniş arama alanlarına dolayısıyla hesaplama verimliliği problemlerine sebep olurlar. Bu tezde, Apriori tabanlı özelleştirme operatörü kullanan ve ilişkisel tablolar üzerinde çalışan keşif sistemleri üzerinde yoğunlaştık. Bu sistemlerdeki zaman verimliliği veritabanı yönetim sisteminde çalışan sorgu sayısı ile doğru orantılıdır. Bu sorgular genellikle arama alanında oluşan aday kavram kurallarının kapsam ve doğruluk hesaplama sorgularıdır. Bu sistemdeki çalışan sorguları azaltarak zaman verimliliğini arttırmayı amaçlıyoruz. Özellikle hipotez üretilmesi sırasında Apriori-tabanlı özelleştirme kullanan Kavram Kural Tümevarım Sistemi (CRIS) üzerinde çalıştık. Geliştirdiğimiz yöntemler CRIS ile aynı sonuçları üretmektedir. Dolayısıyla doğruluğu olumsuz etkilemeden verimliliği arttırmaktadır. İlk metodda kavram tanımlayıcılarını destek ölçütü kapsama kümelerini kullanarak budadık. Bu kümeler CRIS'te tablolama desteği için kullanılmaktadır. Metodumuzda varolan bu kümeleri, arama alanında da budama gerçekleştirecek şekilde kullandık. İkinci budama metodunda, ön işleme olarak tabloların tüm niteliklerinin kosinüs benzerliği matrisi oluşturduk. Kavram tanımlayıcılarının özelleştirmesi aşamasında kosinüs matrisini kullanarak arama alanında budama yaptık. Son olarak bir tümevaran mantık programramı olan CRIS'in bir NoSQL sistemi olan MongoDB ve NewSQL sistemi olan VoltDB'yi depolama alanı olarak kullanabilirliğini araştırdık.
Özet (Çeviri)
A large amount of the valuable data in daily life is stored in relational databases. The accumulation of so much information motivates the need for extracting valuable patterns in relational databases. Background knowledge and a set of target examples that are stored in multiple tables are used to produce hypothesis for ILP-based concept discovery systems. Multiple arguments on these multiple tables end up large search spaces while building the hypothesis that arise computational efficiency problems. In this thesis we focus on concept discovery systems that use Apriori-based specialization operator and work directly on relational tables. Time efficiency of these ILP systems is directly proportional to the number of queries running on DBMS. These queries mostly involve support and confidence calculation queries of candidate concept rules generated on the search space. We aim to increase time efficiency by reducing the number of running queries on these systems. Particularly, we worked on Concept Rule Induction System (CRIS), which uses Apriori-based specialization in hypothesis construction. The methods we propose generate the same solutions as in CRIS. Therefore, we improve the efficiency without affecting the accuracy negatively. In the first method, we prune the concept descriptors using support coverage sets. These sets are stored for memoization support of CRIS. We use the existing sets in our proposed method so that they are also used for pruning the search space. In the second pruning method, we build cosine similarity matrix of attributes of each predicate in pre-processing step. During the specialization of concept descriptors, we prune the search space by utilizing this similarity matrix. Finally we examine the applicability of using NoSQL system MongoDB and a NewSQL system VoltDB as a storage for ILP system CRIS.
Benzer Tezler
- Understanding and improving the performance consistency of distributed computing systems
Başlık çevirisi yok
MAHMUT NEZİH YİĞİTBAŞI
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTechnısche Unıversıteıt Delft (delft Unıversıty Of Technology)PROF. DICK EPEMA
- Stokastik paralel montaj hattı dengeleme problemi için yeni modeller
New models for the stochastic parallel assembly line balancing problem
HAKAN ÇERÇİOĞLU
Doktora
Türkçe
2009
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BİLAL TOKLU
- Büyük boyutlu veriler için metasezgisel yöntemler ile öznitelik indirgemede yeni bir yaklaşım geliştirilmesi
Developing a new approach to feature selection with metaheuristic methods for large scale data
ESİN AYŞE ZAİMOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİLÜFER YURTAY
- Kaynak kısıtlı proje çizelgeleme probleminde tekrarsız kromozom destekli paralel genetik algoritma uygulaması
A parallel genetic algorithm application with nonrepetitive chromosome improvement for resource constrained project scheduling problem
ŞAFAK EBESEK
- Hybrid meta-heuristic algorithms for the resource constrained multi-project scheduling problem
Kaynak kısıtlı birden fazla projenin iş programlanması problemi için üst-sezgisel yöntemler geliştirilmesi
FURKAN UYSAL
Doktora
İngilizce
2014
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. RİFAT SÖNMEZ