Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina nascondi/visualizza icone a destra nascondi/visualizza menu in alto Aiuto Sfoglia Scorri i prodotti per: Autore Titolo Riviste Serie  Login PORTO @ Archivio Istituzionale della Ricerca IRIS è la soluzione IT che facilita la raccolta e la gestione dei dati relativi alle attività e ai prodotti della ricerca. Fornisce a ricercatori, amministratori e valutatori gli strumenti per monitorare i risultati della ricerca, aumentarne la visibilità e allocare in modo efficace le risorse disponibili. IRIS Pol. Torino Catalogo POLITO 1 Contributo su Rivista 1.1 Articolo in rivista Misleading Generalized Itemset discovery Italiano Italiano English Frequent generalized itemset mining is a data mining technique utilized to discover a high-level view of interesting knowledge hidden in the analyzed data. By exploiting a taxonomy, patterns are usually extracted at any level of abstraction. However, some misleading high-level patterns could be included in the mined set. This paper proposes a novel generalized itemset type, namely the Misleading Generalized Itemset (MGI). Each MGI represents a frequent generalized itemset X and its set E of low-level frequent descendants for which the correlation type is in contrast to the one of X. To allow experts to analyze the misleading high-level data correlations separately and exploit such knowledge by making different decisions, MGIs are extracted only if the low-level descendant itemsets that represent contrasting correlations cover almost the same portion of data as the high-level (misleading) ancestor. An algorithm to mine MGIs at the top of traditional generalized itemsets is also proposed. The experiments performed on both real and synthetic datasets demonstrate the effectiveness and efficiency of the proposed approach. Misleading Generalized Itemset discovery / Cagliero L.;Cerquitelli T.;Garza P.; Grimaudo L.. - In: EXPERT SYSTEMS WITH APPLICATIONS. - ISSN 0957-4174. - 41:4(2014), pp. 1400-1410. fake_placeholder_label_hidden fake_placeholder_label_hidden La pubblicazione è stata scelta per una campagna VQR Scheda breve Scheda completa Titolo:  Misleading Generalized Itemset discovery Autori:  CAGLIERO, LUCA CERQUITELLI, TANIA GARZA, PAOLO GRIMAUDO, LUIGI Data di pubblicazione:  2014 Rivista:  EXPERT SYSTEMS WITH APPLICATIONS   Digital Object Identifier (DOI):  http://dx.doi.org/10.1016/j.eswa.2013.08.039 Appare nelle tipologie: 1.1 Articolo in rivista File in questo prodotto: File Descrizione Tipologia Licenza   2515905_draft.pdf  1. Preprint / Submitted Version PUBBLICO - Tutti i diritti riservati Visibile a tuttiVisualizza/Apri Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11583/2515905 I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione. × informazioni i dati relativi al numero di citazioni sono recuperati in tempo reale dai servizi offerti da Scival di Elsevier, Pubmed-central e da WOS. Il grafico mostra l'andamento del dato citazionale di SCOPUS/WOS. I dati possono differire da quelli visualizzati in reportistica. Chiudi × informazioni i dati relativi ai percentili sono recuperati in tempo reale dai servizi offerti da Scival di Elsevier e da WOS. Si segnala che il miglior percentile visualizzato da IRIS è il primo (il più basso, secondo quanto implementato da Scival/WOS). E' possibile visualizzare l'elenco di tutte le categorie/percentili muovendo il mouse sopra al numero di percentile visualizzato. Chiudi       Powered by IRIS-about IRIS-Utilizzo dei cookie  Copyright © 2021  × Errore Errore × simulazione ASN Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2018-2020 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande. La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti. Annulla procedi × Modifica foto x Informazioni Si consiglia il caricamento di immagini con una proporzione 1-1 tra larghezza e altezza. La dimensione ottimale è 160x160 pixel