Descoberta de padrões sequenciais utilizando árvores orientadas

Abstract

Hoje em dia, a descoberta de padrões sequenciais em grandes bases de dados é um assunto de grande interesse. A maior parte dos algoritmos de padrões sequenciais usam estruturas de memória muito grandes no espaço de soluções e geram um número enorme de regras. Com a utilização do modelo das cadeias de Markov é possível ter uma visão global, já que todos os itens são tomados em consideração. Contudo, para grandes matrizes nas cadeias de Markov, a complexidade do problema cresce muito rapidamente. Neste artigo pretendemos manter a visão global dos itens e evitar tempos computacionais não-polinomiais. Usando heurísticas baseadas no algoritmo de Prim, árvores e poli-árvores podem ser encontradas em redes cíclicas. Os resultados computacionais são apresentados para grandes bases de dados, criadas com um conhecido gerador artificial de dados de teste.

Abstract: The present study concerns the utilization of the Two-Step incremental clustering procedure to identify homogenous clusters of retail points that support the distribution network of frozen food products. The work is aimed to segment the retail points’ universe, in order to support the marketing and sales’ decision making. The segmentation is based on information stored in a data warehouse that includes stores characteristics and sales performances of each retail point. The results obtained allowed the identification of 4 clusters which profile was identified and evaluated using hypothesis tests.