Uma nova proposta de paralelismo e balanceamento de carga para o algoritmo Apriori

O principal objetivo da mineração de dados é descobrir informações relevantes em conteúdos digitais. O algoritmo Apriori é amplamente utilizado para este objetivo, mas sua versão sequencial tem baixo desempenho quando executado para grandes volumes de dados. Entre as soluções para este problema enco...

Descripción completa

Detalles Bibliográficos
Autores: Bolina, André Camilo, Pereira, Denilson Alves, Esmin, Ahmed Ali Abdalla, Pereira, Marluce Rodrigues
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2013
País:Brasil
Institución:Universidade Federal de Lavras (UFLA)
Repositorio:Repositório Institucional da UFLA
Idioma:portugués
OAI Identifier:oai:repositorio.ufla.br:1/11504
Acceso en línea:https://repositorio.ufla.br/handle/1/11504
Access Level:acceso abierto
Palabra clave:Algoritmos computacionais
Mineração de dados
Balanceamento de carga
Computer algorithms
Data Mining
Load balancing
Distributed Parallel Apriori (DPA)
Distributed Multithread Apriori (DMTA)
Descripción
Sumario:O principal objetivo da mineração de dados é descobrir informações relevantes em conteúdos digitais. O algoritmo Apriori é amplamente utilizado para este objetivo, mas sua versão sequencial tem baixo desempenho quando executado para grandes volumes de dados. Entre as soluções para este problema encontra-se a implementação paralela do algoritmo, e entre as implementações paralelas apresentadas na literatura com base no Apriori, destaca-se o DPA (Distributed Parallel Apriori). Este trabalho apresenta o algoritmo DMTA (Distributed Multithread Apriori), que se baseia no DPA, mas explora também o paralelismo em nível de threads, a fim de aumentar o desempenho. Além disso, o DMTA pode ser executado em plataformas de hardware heterogêneo, com diferentes números de núcleos de processamento. Os resultados mostraram que o DMTA supera o DPA, apresenta o equilíbrio de carga entre processos e threads, e é eficaz nas atuais arquiteturas multicores.