Comparação de Algoritmos Paralelos para a Extração de Regras de Associação no Modelo de Memória Distribuída

Abstract

Nos ultimos anos, a extra c~ao de conhecimento a partir de grandes volumes de dados t^em sido o objeto de estudo em muitas pesquisas. Com isso, diversas t ecnicas de minera c~ao de dados foram desenvolvidas com o prop osito de descobrir informa c~oes para auxiliar os gestores de empresas e organiza c~oes na tomada de decis~oes. Uma das t ecnicas mais predominantes na minera c~ao de dados e a de extra c~ao de regras de associa c~ao, devido a sua e ci^encia e simplicidade no tratamento das informa c~oes. Com a utiliza c~ao do paralelismo em diversos problemas computacionais, algoritmos paralelos para a minera c~ao de dados foram constru dos utilizando a t ecnica de extra c~ao de regras de associa c~ao. Dentre os algoritmos paralelos mais conhecidos, utilizando o modelo de mem oria distribu da, est a o Apriori, o Eclat e o FP-Growth. Assim, o objetivo deste trabalho e implementar e comparar o desempenho dos algoritmos paralelos Apriori, Eclat e FP-Growth com diferentes n umeros de processadores e tamanhos de bases de dados de entrada.

In the last years, the extraction of knowledge from large amount of data have been the object of study in many surveys. Then, many data mining techniques have been developed in order to discover information to assist managers of companies and organizations in decision-making. One of the most prevalent techniques in data mining is the extraction of association rules, due to its e ciency and simplicity in managing information. With the utilization of the parallelism in many computational problems, works with algorithms for mining data were constructed using the technique of extracting association rules. Among the best most common algorithms using distributed memory model, is the Apriori, the Eclat and FP-Growth. So the main objective of this research is to implement and compare the performance of parallel algorithms Apriori, Eclat and FP-Growth with di erent processor numbers and sizes of input databases.