Augmenting prefixspan algorithm to support public phone malfunction prediction

การแต่งเติมอัลกอริทึมพรีฟิกซ์สแปนเพื่อสนับสนุนการทำนายเหตุเสียเครื่องโทรศัพท์สาธารณะ

Name: Varaluk Diloktrakarnkij

LCSH: Data mining

LCSH: Sequential pattern mining

Abstract: PrefixSpan is a sequential pattern mining algorithm used to analyze a set of event transactions and discover relationships among them. Its main idea is to examine only the prefix sub-sequences with minimum support. PrefixSpan is efficient in terms of memory requirement and response time. However, it comes up with a large number of sequential patterns, only a few of which are interesting. This thesis describes the underlying mechanism which augments the PrefixSpan algorithm. Specifically, a new mechanism which additionally considers minimum confidence of patterns to automatically filter out uninteresting and useless discovered patterns was developed. In addition, the mechanism includes data preprocessing and data post-processing such as data cleaning, verification, reformatting, and time duration calculation. The mechanism was evaluated on a public phone malfunction dataset. The experimental results showed that the augmentation of PrefixSpan can reduce the number of uninteresting patterns and increase the discovery capacity. This research contributes to public phone maintenance planning whose goal is to minimize the number of malfunctions, the transportation expenses, the time and the manpower for maintenance.

Abstract: พรีฟิกซ์สแปนอัลกอริทึมเป็นอัลกอริทึมหนึ่งของเทคนิคการขุดค้นรูปแบบเชิงลำดับ ที่ใช้สำหรับการวิเคราะห์ข้อมูลประเภทเชิงลำดับเหตุการณ์ เพื่อค้นหาความสัมพันธ์ของเหตุการณ์ที่เกิดขึ้นภายในชุดข้อมูลนั้น แนวความคิดหลักของพรีฟิกซ์สแปนคือการใช้เฉพาะส่วนเติมหน้าลำดับเหตุการณ์เป็นส่วนหลักในกระบวนการทำงาน พร้อมค่าความถี่ขั้นต่ำสำหรับคัดเลือกรูปแบบผลลัพธ์ พรีฟิกซ์สแปนเป็นอัลกอริทึมที่มีประสิทธิภาพการทำงานทั้งในด้านการจัดสรรหน่วยความจำ และการตอบสนองของเวลาอย่างไรก็ตาม เราพบว่าการทำงานของพรีฟิกซ์สแปนได้ค้นหารูปแบบผลลัพธ์ที่มีความน่าสนใจต่ำออกมาจำนวนมาก วิทยานิพนธ์นี้อธิบายถึงกระบวนการทำงานที่สำคัญในการแต่งเติมพรีฟิกซ์สแปนอัลกอริทึม โดยได้นำค่าความแม่นยำขึ้นต่ำมาร่วมเป็นเงื่อนไขสำหรับการคัดเลือกรูปแบบผลลัพธ์ที่มีความน่าสนใจต่ำและมีประโยชน์ต่อการใช้งานน้อยออกไปอย่างอัตโนมัติ นอกจากนี้กระบวนการทำงานนี้ได้รวมถึงการแต่งเติมขึ้นตอนการจัดการข้อมูลก่อนและหลังเข้าสู่กระบวนการหลัก เช่น การทำความสะอาด การตรวจสอบ การจัดรูปแบบข้อมูลใหม่เพื่อรองรับพรีฟิกซ์สแปน และการคำนวนระยะเวลาการเกิดเหตุการณ์ที่สัมพันธ์กันอีกด้วย โดยกระบวนการทำงานทั้งหมดนี้ถูกนำไปใช้วิเคราะห์ชุดข้อมูลเหตุเสียเครื่องโทรศัพท์สาธารณะ จากผลการทดสอบแสดงให้เห็นถึงการแต่งเติมพรีฟิกซ์สแปนอัลกอริทึม สามารถลดจำนวนรูปแบบผลลัพธ์ที่ไม่น่าสนใจลงและเพิ่มขีดความสามารถในการวิเคราะห์และค้นหารูปแบบความสัมพันธ์ได้ดียิ่งขึ้น งานวิจัยนี้นำมาซึ่งประโยชน์ต่อการวางแผนงานซ่อมเหตุเสียเครื่องโทรศัพท์สาธารณะ โดยมีเป้าหมายในการลดจำนวนของการเกิดเหตุเสียที่มีความสัมพันธ์กัน รวมถึงลดค่าใช้จ่ายในการเดินทางเวลา และอัตรากำลังสำหรับการเข้าตรวจซ่อมเหตุเสียเครื่องโทรศัพท์สาธารณะ

Mahidol University

Address: NAKHONPATHOM

Email: liwww@mahidol.ac.th

Name: Charnyote Pluempitiwiriyawej

Role: Thesis Advisors

Created: 2008

Modified: 2553-06-22

Issued: 2010-06-14

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: TH V288a 2008

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Computer Science

Grantor: Mahidol University

©copyrights Mahidol University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	4737223.pdf	635.88 KB	38	2026-05-26 18:16:01

ใช้เวลา

0.30224 วินาที