English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Con las grandes cantidades de datos continuamente recolectadas y almacenadas en las bases de datos, el problema de derivar asociaciones a partir de los datos ha sido siempre un foco de investigacion en Mineria de Datos. Todo el rendimiento de generar reglas de asociacion es determinado por el descubrimiento de conjuntos de items frecuentes. Un conjunto de items es frecuente si su soporte excede un predeterminado soporte minimo. La gran mayoria de algoritmos propuestos para reglas de Asociacion (Apriori, AprioriTid, AprioriHibrido, DHP y DIC entre otros), se basan en la generacion de conjuntos de items candidatos, para el calculo de los conjuntos frecuentes. En este articulo se propone el algoritmo EquipAsso. Este algoritmo encuentra directamente los conjuntos de items frecuentes sin la generacion de conjuntos candidatos, utilizando los operadores algebraicos relacionales EquiKeep y Associator. Palabras Clave: Mineria de Datos, Reglas de Asociacion, Conjunto de Items Frecuentes, Operadores Algebraicos

EquipAsso: un algoritmo para el descubrimiento de conjuntos de ítems frecuentes sin generación de candidatos