ImplicPBDD: Un Nuevo Enfoque para Extraer un Conjunto de Implicaciones Propias de Contextos Formales de Alta Dimensión Usando un Diagrama de Decisión Binario
Autores: Santos, Phillip G.; Ruas, Pedro Henrique B.; Neves, Julio C. V.; Silva, Paula R.; Dias, Sérgio M.; Zárate, Luis E.; Song, Mark A. J.
Idioma: Inglés
Editor: MDPI
Año: 2018
Acceso abierto
Artículo científico
2018
ImplicPBDD: Un Nuevo Enfoque para Extraer un Conjunto de Implicaciones Propias de Contextos Formales de Alta Dimensión Usando un Diagrama de Decisión Binario
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Análisis formal de conceptos
FCA
ImplicPBDD
Algoritmo
Implicaciones
Contextos de alta dimensión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El análisis formal de conceptos (AFC) se aplica en gran medida en diferentes áreas. Sin embargo, en algunas aplicaciones de AFC, el volumen de información que necesita ser procesado puede volverse inviable. Así, la demanda de nuevos enfoques y algoritmos que permitan procesar grandes cantidades de información está aumentando sustancialmente. Este artículo presenta un nuevo algoritmo para extraer implicaciones adecuadas de contextos de alta dimensión. El algoritmo propuesto, llamado ImplicPBDD, se basa en el algoritmo PropIm y utiliza una estructura de datos llamada diagrama de decisión binaria (BDD) para simplificar la representación del contexto formal y mejorar la extracción de implicaciones adecuadas. Para analizar el rendimiento del algoritmo ImplicPBDD, realizamos pruebas utilizando contextos sintéticos variando el número de objetos, atributos y densidad del contexto. Los experimentos muestran que ImplicPBDD tiene un mejor rendimiento, hasta un 80% más rápido, que su algoritmo original, independientemente del número de atributos, objetos y densidades.
Descripción
El análisis formal de conceptos (AFC) se aplica en gran medida en diferentes áreas. Sin embargo, en algunas aplicaciones de AFC, el volumen de información que necesita ser procesado puede volverse inviable. Así, la demanda de nuevos enfoques y algoritmos que permitan procesar grandes cantidades de información está aumentando sustancialmente. Este artículo presenta un nuevo algoritmo para extraer implicaciones adecuadas de contextos de alta dimensión. El algoritmo propuesto, llamado ImplicPBDD, se basa en el algoritmo PropIm y utiliza una estructura de datos llamada diagrama de decisión binaria (BDD) para simplificar la representación del contexto formal y mejorar la extracción de implicaciones adecuadas. Para analizar el rendimiento del algoritmo ImplicPBDD, realizamos pruebas utilizando contextos sintéticos variando el número de objetos, atributos y densidad del contexto. Los experimentos muestran que ImplicPBDD tiene un mejor rendimiento, hasta un 80% más rápido, que su algoritmo original, independientemente del número de atributos, objetos y densidades.