Báo Cáo Thực Tập Kỹ Thuật Áp Dụng Dịch Bài Viết Khoa Học nội dung bài viết phù hợp với các bạn sinh viên ngành ngôn ngữ tiếng Anh, hiểu rõ nỗi khổ của các bạn phải đi tìm những bài báo cáo mẫu để kham thảo, hỗ trợ cho việc làm bài báo cáo của mình được thuận tiện, dễ dàng hơn. Nội dung bài viết này được chúng tôi thu thập từ nguồn internet chất lượng, các bạn có thể yên tâm kham thảo bài viết này nhé.
Hiện nay Luận Văn Trust có dịch vụ hỗ trợ viết luận văn thạc sĩ, đại học, quá trình làm bài luận văn nếu các bạn chưa chọn được đề tài hay gặp các khó khăn trong quá trình làm bài có thể liên hệ với Dịch vụ thuê viết báo cáo thực tập của Luận Văn Trust nhé.
Mục lục
1. Theory of Translation – Báo Cáo Thực Tập Kỹ Thuật Áp Dụng Dịch Bài Viết Khoa Học
Translation, by dictionary definition, consists of changing fro one state or form to another, to turn into one’s own or another’s language. (The Merriam – Webster Dictionary, 1974). Based on the methods of translation, there are 9 translation methods:
- Word-for-word Translation (WT): Word-for-word translation focuses mainly on translating words from the sources text into target language while the word order of the original is preserve. This methods of translation can be seen in these case where some value of humor is needed.
- Literal Translation (LiT): Literal translation is featured by the fact that grammatical structure and the meaning of words are translated almost as closely as in the target language without paying attention to the situation or context.
- Faithful Translation( FT) : Faithful translation can be described as one kind of translation which tries to convey the meaning of words and context situation according to the grammar rules of the target language, however, there is some unusually or unnaturalness in the target language.
- Semantic Translation (SeT): Semantic translation focuses to great degree on meaning (semantic content) and form (syntax) of the original text of high status such as religious text, legal texts, literature, speeches.
- Communicative Translation (CT): Communicative translation is freer than the above-mentioned types. This strategy gives high priority to the message communicated in the text where the actual form of the original is not closely bound to its intended meaning.
- Idiomatic Translation (IT): Idiomatic translation is based on the meaning of the text which aims to produce the message of the original but tends to distort nuances of the meaning by colloquialism and idiom where these do not exist in the original.
- Free Translation (FrT): Free translation focuses more on content than form in the target language, as a result, sometimes the grammar structure or the form of the words in the target language may change, and the number of words and the sentence length may vary, depending on the subjectivity of the translator.
- Adaptation Translation (AT): This is a highly free type of translation. Here the focus is on socio-cultural phenomena or practices that are absent I the target culture, rather than on lingustic units. It is used mainly for plays (comedies) and poetry: the themes, characters, plots are usually preserved, the source language culture converted to the culture and the text rewritten by an established dramatist or poet.
- Gist Translation (GT): It is the freest type of translation. Gist translation is characterized by keeping the main idea/gist of text, omitting all its supporting details and subsidiary arguments. Gist translation can be used in language learning situtions to summarize a written text at a written test.
2. Vietnamese – English Translation – Kỹ Thuật Áp Dụng Dịch Bài Viết Khoa Học
| STT | Bản gốc | Bản dịch | PHƯƠNG PHÁP |
| 1 | Khai thác dữ liệu là quá trình tìm kiếm các tri thức tiềm ẩn có ích, các tập luật từ cơ sở dữ liệu giao dịch nhằm phục vụ cho các công việc dự báo, ra quyết định.
|
Data mining is the process of finding useful latent knowledge, sets of rules from transaction databases to serve for forecasting and decision making. | Semantic Translation |
| 2 | Trong khi đó, thuộc tính thời gian có ý nghĩa rất quan trọng và có yếu tố quyết định đối với nhiều chiến lược dự đoán thuộc nhiều lĩnh vực như kinh doanh, thương mại, thị trường chứng khoán… | Meanwhile, time attribute is very important and decisive for many prediction strategies in many fields such as trading, trading, stock market … | Semantic Translation |
| 3 | Vì vậy, khai thác dữ liệu có yếu tố thời gian là một chủ đề có vai trò quan trọng trong khai thác dữ liệu. | Therefore, time factor is an important topic in data mining | Literal Translation |
| 4 | Nếu khung thời gian hoặc độ phổ biến thay đổi thì
phải xây dựng lại cây |
If timeframes or popularity change then have to rebuild the tree | Faithful Translation |
| 5 | Việc xây dựng cây TSET tốn kém rất nhiều thời gian, ứng mỗi nút con trong cây được sinh ra thì phải quét lại toàn bộ cơ sở dữ liệu | The TSET tree construction takes a lot of time, and for each new generated child node in the tree, the entire database must be re-scanned. | Faithful Translation |
| 6 | Do đó, để khắc phục nhược điểm của thuật toán TSET-Miner, bài báo đề xuất cây FS-Tree để lưu trữ các dãy sự kiện tổ hợp ứng với từng thời điểm xuất hiện của tập phần tử | Therefore, to overcome the disadvantages of TSET-Miner algorithm, this paper proposes an FS-Tree tree to store sequences of combinatorial events corresponding to each occurrence of the element set. | Word – for – word Translation |
| 7 | Việc xây dựng cây FS-Tree chỉ cần duyệt cơ sở dữ liệu giao dịch đúng 1lần | The construction of the FS-Tree needs to scan the transaction database exactly only once | Literal Translation |
| 8 | Thuật toán FS-Alg thực hiện trích xuất các dãy sự kiện phổ biến từ cây FS-Tree ứng với khung thời gian và độ phổ biến khác nhau do người dùng chỉ định. | The FS-Alg algorithm extracts frequent event sequences from the FS-Tree tree with different user-specified timeframes and popularity. | Faithful Translation |
| 9 | Thuật toán FS-Alg đã giải quyết được các yếu điểm còn tồn tại của thuật toán TSET-Miner, giúp rút ngắn thời gian thực thi. | The FS-Alg algorithm has solved the remaining weaknesses of TSET-Miner algorithm to shorten execution time. | Literal Translation |
| 10 | Mỗi thời điểm xuất hiện trong cơ sở dữ liệu sẽ tạo thành 1 nút trong cây ở mức 1. | Each time that appears in the database forms a node in the tree at level 1. | Faithful Translation |
| 11 | Các nút ở mức 2 gồm các sự kiện ứng với thời điểm mà các sự kiện đó thuộc về, tức là các sự kiện có cùng thời điểm sẽ thuộc về cùng 1 nhánh. | Nodes at level 2 include events corresponding to the moment they belong, meaning that events at the same time will belong to the same branch. | Literal Translation |
| 12 | Trong cùng 1 nhánh, các nút sẽ tổ hợp lần lượt với nhau để tạo thành các nút ở các mức sâu hơn. | In the same branch, the nodes will combine together to form nodes at deeper levels. | Literal Translation |
| 13 | Cây FS-Tree có nút gốc là nút rỗng và tập liên kết đến các nút con link. | The FS-Tree tree has a root node that is an empty node and a set link child nodes. | Word – for – word Translation |
| 14 | Các nút Ntime ở mức 1 chứa các thời điểm xuất hiện của tập phần tử trong cơ sở dữ liệu DB. | Ntime nodes at level 1 contain the occurrences of the element set in the DB database. | Word – for – word Translation |
| 15 | Nút này bao gồm thời điểm xuất hiện của sự kiện time, tập các liên kết đến nút con link. | This node includes the occurrence of event time, set of links to the link child node.
|
Word – for – word Translation |
| 16 | Lần lượt chèn từng sự kiện vào cây FS-Tree với nút gốc là nút có cùng thời điểm với sự kiện đang xét. | Insert each event into the FS-Tree one by one, with the root node being the node at the same time as the current event. | Faithful Translation |
| 17 | Các nút con ở mức 2 trong cây FS-Tree được tạo ra bằng cách tổ hợp với các nút đồng cấp và có cùng thời điểm, tức là thuộc cùng 1 nhánh. | Nodes at level 2 in the FS-Tree tree are created by combining with nodes of the same level and at the same time, ie belonging to the same branch. | Literal Translation |
| 18 | Mỗi nút Node trong cây thuộc mức 2 xuống các mức sâu hơn gồm dãy sự kiện seq, thời điểm time, liên kết đến nút con link của dãy sự kiện. | Each node in the tree belongs to level 2 down to deeper levels including event sequence seq, time, linkage to child nodes link. | Literal Translation |
| 19 | Duyệt nhánh ứng với nút chứa thời điểm 0, chèn các dãy sự kiện vào tập X1. | Browse the branch corresponding to the node containing time 0, these sequences are inserted into set X1. | Faithful Translation |
| 20 | Xét nhánh chứa thời điểm 1, trích xuất các dãy sự kiện chứa trong nhánh này và chuyển vào tập Y. | Consider the branch containing time 1, extract the sequence of events contained in this branch and move to set Y. | Faithful Translation |
| 21 | Thực hiện tích đề – các giữa tập X1 với tập Y và chuyển vào tập X2. | Cartesian product of two sets A and B are added to set X2. | Faithful Translation |
| 22 | Thực hiện tương tự cho nhánh chứa thời điểm 2, 3 ứng với thời điểm gốc là 0. | Do the same for the branch containing time 2 and 3, corresponding to zero point in time. | Faithful Translation |
| 23 | Với thời điểm 1, sao chép các dãy sự kiện ở thời điểm 0 được lưu trong tập X1 vào tập X2. | For time 1, the sequence of events at time 0 stored in set X1 are copied into set X2. | Literal Translation |
| 24 | Khi sao chép, trong từng dãy sự kiện, chỉ lấy các sự
kiện có thời điểm lớn hơn hoặc bằng 1. |
When copying, each sequence of events only take the events with time greater than or equal to 1. | Faithful Translation |
| 25 | Nếu dãy sự kiện nào xuất hiện từ 2 lần trở lên thì chỉ giữ lại 1 dãy. | If a sequence of events occurs more than 2 times, only create a single node to hold it. | Faithful Translation |
| 26 | Sao chép lần lượt từng dãy sự kiện trong tập X2, đồng thời chuẩn hóa và chuyển sang tập X1. | Equentially copy each sequence of events in the set
X2, simultaneously normalizes and moves to set X1. |
Faithful Translation |
| 27 | Nếu dãy sự kiện sao chép được chuẩn hóa đã tồn
tại trong tập X1 thì tăng số lần xuất hiện, ngược lại thì chuyển tiếp vào sau X1. |
When a normalized sequence of events is considered, if it already exists in set X1, the number of occurrences increases, conversely, a new element is added to set X1. | Faithful Translation |
| 28 | Tiếp tục với thời điểm 2, xét tập X2 đã có ở thời điểm 1. | Continuing with time 2, the operation on set X2 existed at the time 1. | Literal Translation |
| 29 | Duyệt qua tập X2, chỉ giữ lại các sự kiện ở đó thời điểm lớn hơn hoặc bằng 2. | For each sequence of events in the set X2, sequences of times greater than or equal to 2 are retained. | Faithful Translation |
| 30 | Nếu dãy sự kiện nào xuất hiện từ 2 lần trở lên thì chỉ giữ lại 1 dãy. | f the sequence has occurred more than 2 times, a unique sequence of events is retained. | Faithful Translation |
| 31 | Thực hiện tương tự như thời điểm 2 cho các thời điểm còn lại trên cây FS-Tree sẽ được tập X1 hoàn chỉnh. | Do the same for all remaining times on the FS-Tree as time 2 to create the complete X1 set. | Faithful Translation |
| 32 | Tiến hành trích xuất trên tập X1 này sẽ thu được các dãy sự kiện phổ biến ứng với các khung thời gian và các độ phổ biến khác nhau. | Extracting on this set X1 will obtain a set of frequent sequences of events corresponding to different time and the frequency varies. | Literal Translation |
| 33 | Nếu có sự thay đổi về cơ sở dữ liệu thì thực hiện thao tác cập nhật trên cây FS-Tree. | If there is any change to the database, perform the update operation on the FS-Tree. | Word – for – word Translation |
| 34 | Sau đó, áp dụng thuật toán FS-Alg để trích xuất các dãy sự kiện phổ biến từ cây FS-Tree. | Then apply the FS-Alg algorithm to extract the frequent event sequences from the FS-Tree. | Word – for – word Translation |
| 35 | Tạo cây FS-Tree cần đối số đầu vào là tập các
thời điểm và tập các sự kiện ứng với thời điểm xuất hiện thuộc cơ sở dữ liệu DB, đầu ra là cây FS-Tree. |
In the FS-Alg algorithm, the input data is a set of
The time and set of events corresponding to the occurrence point in the DB database, the output data is an FS-Tree. |
Free Translation |
| 36 | Đầu tiên, khởi tạo nút gốc là nút rỗng. | First, initialize the root node as an empty node. | Word – for – word Translation |
| 37 | Duyệt cơ sở dữ liệu DB, chèn thời gian đầu tiên vào dưới nút gốc bằng thuật toán insertNode. | Browse the DB database, insert the first time under the root node with the insertNode algorithm. | Word – for – word Translation |
| 38 | Chèn sự kiện thứ nhất vào dưới nút có cùng thời điểm với sự kiện đang xét bằng thuật toán insertNode. | Insert the first event below the node at the same time as the current event using the insertNode algorithm. | Word – for – word Translation |
| 39 | Tạo nhánh cho nút này bằng thuật toán CreateBranch. | Create a branch for this node using the CreateBranch algorithm. | Word – for – word Translation |
| 40 | Thực hiện tương tự cho các sự kiện còn lại ứng với thời điểm đang xét. | Do the same for the remaining events corresponding to the events of the current time. | Fairthful Translation |
| 41 | Sau đó, tiếp tục xét các thời điểm và tập các sự kiện còn lại trong cơ sở dữ liệu DB sẽ tạo được cây FS-Tree phù hợp với dữ liệu đầu vào. | Then, continuing to consider the remaining time and set of events in the DB database, it will create an FS-Tree that matches the input data. | Literal Translation |
| 42 | Các nút con của cây FS-Tree được xây dựng bằng cách tổ hợp các nút có chứa sự kiện thuộc cùng thời điểm ở mức 2, tức là thuộc cùng 1 nhánh. | The FS-Tree child nodes are constructed by combining nodes that contain events at the same time at level 2, that is, belonging to the same branch. | Word – for – word Translation |
| 43 | Thực hiện tạo nhánh cho cây cần đối số đầu vào là nút Node cần tạo nhánh, cây FS-Tree. | To branch a tree, the input is the isolated node Node, the FS-Tree tree, and the output is the FS-Tree branched with the node Node . | Free Translation |
| 44 | Lấy các nút có liên kết với nút có cùng thời điểm với nút Node và đưa vào hàng đợi. | Get the nodes associated with the node at the same time as the node Node and put it in the queue. | Word – for – word Translation |
| 45 | Lấy nút thứ nhất trong hàng đợi tổ hợp với nút Node, chuyển vào tập con của nút đang xét, lấy các nút có liên kết với nút thứ nhất chuyển
vào hàng đợi. |
Take the first node in the association queue with the node Node, move into the subset of the current node, take the nodes associated with the first node and move into the queue. | Word – for – word Translation |
| 46 | Trường hợp 1: Thời điểm thêm vào là mới.Thực hiện tạo nhánh mới ứng với nút chứa thời đang xét. Chèn lần lượt từng sự kiện thuộc thời điểm thêm đó vào cây ở mức tiếp theo. | ase 1: At the time of new addition, create a new branch corresponding to the node with the current time and insert each event at that time into the tree on the same level. | Gist Translation |
| 47 | Trường hợp 2: Thời điểm đã tồn tại trên cây, sự kiện thuộc thời điểm đó cũng đã có trên cây thì không thực hiện thao tác chèn vào cây. | Case 2: A time and an event at that time also exists in the tree, the insertion process is not executed. | Gist Translation |
| 48 | Bài báo đã giải quyết được vấn đề trích xuất các dãy sự kiện phổ biến ứng với các khung thời gian khác nhau và với các độ phổ biến khác nhau trên cơ sở dữ liệu tăng trưởng. | The paper solves the problem of extracting common event sequences for different timeframes and with different frequencies on a growth database. | Word – for – word Translation |
| 49 | Thời gian trích xuất được rút ngắn rất nhiều so với khi thực hiện trích xuất bằng thuật toán TSET-Miner. | The extraction time is greatly shortened compared to when performing extraction using TSET-Miner algorithm. | Word – for – word Translation |
| 50 | Quá trình xây dựng cây FS-Tree chỉ cần duyệt cơ
sở dữ liệu 1 lần, giúp tiết kiệm rất nhiều chi phí so với khi xây dựng cây TSET. |
Building an FS-Tree with one database scan saves a lot of cost compared to building a TSET tree. | Semantic Translation |
XEM THÊM ==> Mẫu Báo Cáo Thực Tập Dịch Ngành Ngôn Ngữ Anh
3. English – Vietnamese Translaton – Kỹ Thuật Áp Dụng Dịch Bài Viết Khoa Học
| STT | Bản gốc |
Bản dịch |
PHƯƠNG PHÁP |
| 1 | The rapid development of database techniques facilitates the storage and usage of massive data from business corporations, governments, and scientific organizations. | Sự phát triển nhanh chóng của các kỹ thuật cơ sở dữ liệu tạo điều kiện cho việc lưu trữ và sử dụng dữ liệu khổng lồ từ các tập đoàn kinh doanh, chính phủ và các tổ chức khoa học. | Literal Translation |
| 2 | How to obtain valuable information from various databases has received considerable attention, which results in the sharp rise of related research topics. | Làm thế nào để lấy được thông tin có giá trị từ các cơ sở dữ liệu khác nhau đã nhận được sự quan tâm đáng kể, dẫn đến sự gia tăng mạnh mẽ của các chủ đề nghiên cứu liên quan. | Word-for-word Translation |
| 3 | Among the topics, the high utility itemset mining problem is one of the most important, and it derives from the famous frequent itemset mining problem [7, 8]. | Trong số các chủ đề, vấn đề khai thác tập hữu ích cao là một trong những chủ đề quan trọng nhất, và nó bắt nguồn từ vấn đề khai thác tập phổ biến đã được biết đến trước đó [7, 8]. | Semantic Translation |
| 4 | Mining frequent itemsets is to identify the sets of items that appear frequently in transactions in a database | Khai thác các tập phổ biến là xác định các tập hợp các mục xuất hiện thường xuyên trong các giao dịch của cơ sở dữ liệu | Gist Translation |
| 5 | The frequency of an itemset is measured with the support of the itemset, i.e., the number of transactions containing the itemset. | Tần suất của một tập tập mục được gọi là độ hỗ trợ của tập hợp đó, tức là số lượng giao dịch chứa tập mục. | Word-for-word Translation |
| 6 | If the support of an itemset exceeds a user-specified minimum support threshold, the itemset is considered as frequent. | Nếu độ hỗ trợ của một tập hợp thỏa ngưỡng hỗ trợ tối thiểu do người dùng chỉ định, thì tập hợp đó được gọi là tập phổ biến. | Word-for-word Translation |
| 7 | Most frequent itemset mining algorithms employ the downward closure property of itemsets [4]. | Hầu hết các thuật toán khai thác tập phổ biến áp dụng tính chất bao đóng giảm của tập hợp[4]. | Semantic Translation |
| 8 | That is, all supersets of an infrequent itemset are infrequent, and all subsets of a frequent itemset are frequent. | Nghĩa là, tất cả các cha của một tập không phổ biến là tập không phổ biến và tất cả các tập con của một tập phổ biến đều là tập phổ biến. | Word-for-word Translation |
| 9 | The property provides the algorithms with a powerful pruning strategy. | Tính chất này giúp cho các thuật tóa có một chiến lược tỉa hiệu quả | Semantic Translation |
| 10 | In the process of mining frequent itemsets, once an infrequent itemset is identified, the algorithms no longer check all supersets of the itemset | Trong quá trình khai thác các tập phổ biến, khi một tập không phổ biến được xác định, các thuật toán không còn kiểm tra tất cả các cha của tập đó nữa. | Word-for-word Translation |
| 11 | For example, for a database with n items, after the algorithms identify an infrequent itemset containing k items, there is no need to check all of its supersets, i.e., 2(n−k) − 1 itemsets | Ví du, cho cơ sở dữ liệu có n mục, sau khi thuật toán xac định được một tập không phổ biến chứa k mục, thuật toán sẽ không cầ phải kiểm tra tất cả 2(n−k) − 1 tập cha của nó | Word-for-word Translation |
| 12 | Mining of frequent itemsets only takes the presence and absence of items into account | Khai thác tập phổ biến chỉ quan tâm tới sự xuất hiện hay không xuất hiện của các mục trong giao dịch | Faithful Translation |
| 13 | Other information about items is not considered, such as the independent utility of an item and the context utility of an item in a transaction | Thông tin khác về các mặt hàng không được xem xét, chẳng hạn như lợi ích riêng của một mặt hàng và lợi ích trong ngữ cảnh của một mặt hàng khi thực hiện giao dịch | Semantic Translation |
| 14 | Typically, in a supermarket database, each item has a distinct price/profit, and each item in a transaction is associated with a distinct count which means the quantity of the item one bought | Thông thường, trong cơ sở dữ liệu bán hàng, mỗi mặt hàng có một mức giá / lợi nhuận khác nhau và mỗi mặt hàng trong giao dịch được liên kết với một số lượng chính là lượng hàng mà người ta đã mua | Semantic Translation |
| 15 | There are seven items in the utility table and seven transactions in the transaction table in the database. | Có bảy mục trong bảng độ hữu ích và bảy giao dịch trong cơ sở dữ liệu được mô tả trong bảng. | Semantic Translation |
| 16 | To calculate support, an algorithm only makes use of the information of the first two columns in the transaction table, the information of both the utility table and the other columns in the transaction table are discarded. | Để tính toán hỗ trợ, thuật toán chỉ sử dụng thông tin của hai cột đầu tiên trong bảng giao dịch, thông tin của cả bảng tiện ích và các cột khác trong bảng giao dịch đều bị loại bỏ. | Faithful Translation |
| 17 | However, an itemset with high support may have low utility, or vice versa | Tuy nhiên, một tập hợp có độ hỗ trợ cao có thể có độ hữu ích thấp hoặc ngược lại | Semantic Translation |
| 18 | For example, the support and utility of itemset {bc} appearing in T1, T2, and T6 are 3 and 18 respectively, and those of itemset {de} appearing in T2 and T5 are 2 and 22. | Ví dụ: độ hỗ trợ và độ hữu ích của tập phổ biến {bc} xuất hiện trong T1, T2 và T6 lần lượt là 3 và 18, và độ hỗ trợ của tập phổ {de} xuất hiện trong T2 và T5 là 2 và 22. | Semantic Translation |
| 19 | In some applications, such as market analysis, one may be more interested in the utility rather than support of itemsets. | Trong một số ứng dụng, như phân tích thị trường, người ta có thể quan tâm đến lợi nhuận hơn là số lần bán của các sản phẩm | Semantic Translation |
| 20 | Traditional frequent itemset mining algorithms cannot evaluate the utility information about itemsets. | Các thuật toán khai thác tập phổ biến truyền thống không thể tính độ hữu ích của các tập hơn | Word-for-word Translation |
| 21 | Like frequent itemsets, itemsets with utilities not less than a user-specified minimum utility threshold are generally valuable and interesting, and they are called “high utility itemsets”. | Giống như tập phổ biến, các tập có độ hữu ích không thấp hơn ngưỡng độ hữu ích tối thiểu do người dùng chỉ định là các tập có giá trị và thú vị và các tập đó được gọi là tập có độ hữu ích cao | Idiomatic Translation |
| 22 | To mine all high utility itemsets from a database is very intractable, because the downward closure property of itemsets no longer holds for high utility itemsets. | Để khai thác tất cả các tập có độ hữu ích cao từ một cơ sở dữ liệu là rất khó, bởi vì tính chất bao đóng giảm không áp đụng được với tập có độ hữu ích cao. | Idiomatic Translation |
| 23 | When items are appended to an itemset one by one, the support of the itemset monotonously decreases or remains unchanged, but the utility of the itemset varies irregularly. | Khi từng mục được thêm vào một tập hợp vật phẩm, độ hỗ trợ của tập hợp đó sẽ giảm hoặc không thay đổi một cách đơn điệu, nhưng độ hữu ích của tập hợp đó lại thay đổi bất thường. | Word-for-word Translation |
| 24 | For example, for the database in Fig. 1, the supports of {a}, {ab}, {abc}, and {abcd} are 4, 3, 2, and 1, but the utilities of these itemsets are 16, 26, 21, and 14, respectively | Ví dụ: đối với cơ sở dữ liệu trong Hình 1, các hỗ trợ của {a}, {ab}, {abc} và {abcd} là 4, 3, 2 và 1, nhưng độ hữu ích tương ứng của các tập hợp này là 16, 26 , 21 và 14 | Word-for-word Translation |
| 25 | Suppose the threshold is 20, and then high utility {abc} contains both high utility {ab} and low utility {a}. | Giả sử ngưỡng là 20, thì {abc} là tập có độ hữu ích cao chứa cả tập có độ hữu ích cao {ab} và tập có độ hữu ích thấp {a}. | Word-for-word Translation |
| 26 | Therefore, the pruning strategy used in the frequent itemset mining algorithms becomes invalid. | Do đó, chiến lược cắt tỉa được sử dụng trong các thuật toán khai thác tập phổ biến không còn hợp lệ. | Word-for-word Translation |
| 27 | Recently, a number of high utility itemset mining algorithms have been proposed [25, 18, 14, 5, 23, 22]. | Gần đây, một số thuật toán khai thác tập có độ hữu ích cao đã được đề xuất [25, 18, 14, 5, 23, 22]. | Faithful Translation |
| 28 | Most of the algorithms adopt a similar framework: firstly, generate candidate high utility itemsets from a database; secondly, compute the exact utilities of the candidates by scanning the database to identify high utility itemsets. | Hầu hết các thuật toán áp dụng một phương pháp: thứ nhất, phát sinh các ứng viên có độ hữu ích cao từ cơ sở dữ liệu; thứ hai, tính toán chính xác độ hữu ích của các ứng viên bằng các quét cơ sở dữ liệu để tìm tập có độ hữu ích cao. | Word-for-word Translation |
| 29 | To solve these problems, we propose in this paper an algorithm for high utility itemset mining. | Để giải quyết những vấn đề này, chúng tôi đề xuất trong bài báo này một thuật toán để khai thác tập có độ hữu ích cao. | Word-for-word Translation |
| 30 | A novel structure, called utility-list, is proposed. A utility-list stores not only the utility information about an itemset but also the heuristic information about whether the itemset should be pruned or not | Một cấu trúc mới, được gọi là danh sách tiện ích (UL), được đề xuất. Một danh sách tiện ích không chỉ lưu trữ thông tin độ hữu ích của một tập hợp mà còn lưu trữ thông tin thêm về việc tập hợp vật phẩm có nên được cắt bớt hay không | Word-for-word Translation |
| 31 | An efficient algorithm, called HUI-Miner (High Utility Itemset Miner), is developed. | Một thuật toán hiệu quả, được gọi là HUI-Miner (High Utility Itemset Miner), được phát triển. | Word-for-word Translation |
| 32 | Different from previous algorithms, HUI-Miner does not generate candidate high utility itemsets | Khác với các thuật toán trước đây, HUI-Miner không tạo ra các ứng viên cho tập có độ hữu ích cao | Faithful Translation |
| 33 | After constructing the initial utility-lists from a mined database, HUI-Miner can mine high utility itemsets from these utility-lists | Sau khi khởi tạo utility-list ban đầu từ cơ sở dữ liệu, HUI-Miner có thể khai thác các tập có độ hữu ích cao từ các utility-list này | Faithful Translation |
| 34 | Extensive experiments on various databases were performed to compare HUI-Miner with the state-ofthe- art algorithms. | Các thực nghiệm mở rộng trên các cơ sở dữ liệu khác nhau đã được thực hiện để so sánh HUI-Miner với các thuật toán hiện đại nhất. | Word-for-word Translation |
| 35 | Experimental results that show HUI-Miner outperforms these algorithms are reported | Kết quả thực nghiệm cho thấy HUI-Miner thực thi tốt hơn các thuật toán đã được trình bày | Word-for-word Translation |
| 36 | Running time was recorded by the “time” command, and it contains input time, CPU time, and output time. | Thời gian chạy được ghi lại bằng lệnh “time” và nó chứa thời gian đầu vào, thời gian CPU và thời gian đầu ra. | Word-for-word Translation |
| 37 | The output results of the four algorithms are the same for a mining task, and they were written to “/dev/null”. | Kết quả đầu ra của bốn thuật toán giống nhau đối với mỗi thực nghiệm và chúng được viết thành “/ dev / null”. | Semantic Translation |
| 38 | We terminated a mining task, once its running time exceeds 10000 seconds. | Chúng tôi dừng việc khai thác nếu thời gian thực thi vượt quá 10000 giây. | Word-for-word Translation |
| 39 | When measuring running time, we varied the minutil for each database. | Khi đo thời gian chạy, chúng tôi thay đổi minutil cho mỗi cơ sở dữ liệu. | Faithful Translation |
| 40 | The lower the minutil is, the larger the number of high utility itemsets is, and thus the more the running time is. | Minutil càng thấp thì số lượng tập có độ hữu ích cao càng lớn và do đó thời gian chạy càng nhiều. | Faithful Translation |
| 41 | For example, for database chain in Fig. 11(b), when the minutils are 0.004% and 0.009%, the numbers of high utility itemsets are 18480 and 4578, and the running times of HUI-Miner are 580.9 seconds and 445.1 seconds, respectively | Ví dụ: đối với cơ sở dữ iệu chain trong Hình 11 (b), khi minutils là 0,004% và 0,009%, số lượng các tập có độ hữu ích cao là 18480 và 4578, và thời gian chạy tương ứng của HUI-Miner là 580,9 giây và 445,1 giây. | Faithful Translation |
| 42 | In addition, the curve for UPGrowth almost totally overlaps the curve for UP-Growth+ in Fig. 11(a); the running time of IHUPTWU for any minutil exceeds 10000 seconds for database chess, and thus there is no curve for IHUPTWU in Fig. 11(c). | Ngoài ra, đường cong cho UPGrowth gần như hoàn toàn trùng lặp với đường cong cho UP-Growth+ trong Hình 11(a); thời gian chạy của IHUPTWU với bất kỳ minutil nào cũng vượt quá 10000 giây khi thực hiện trên cơ sở dữ liệu chess, do đó không có biểu đồ thể hiện IHUPTWU trong Hình 11 (c). | Word-for-word Translation |
| 43 | For almost all databases and minutils, HUI-Miner performs the best. | Đối với hầu hết các cơ sở dữ liệu và minutils, HUI-Miner thực thi tốt nhất. | Literal Translation |
| 44 | HUI-Miner is almost two orders of magnitude faster than the other algorithms for dense databases. | HUI-Miner nhanh hơn gần hai lần so với các thuật toán khác trên các cơ sở dữ liệu dày đặc. | |
| 45 | To mine high utility itemsets, almost all existing algorithms first generate candidate high utility itemsets and subsequently compute the exact utility of each candidate to identify high utility itemsets. | Để khai thác các tập có độ hữu ích cao, hầu như tất cả các thuật toán hiện có trước tiên tạo ra các tập ứng viên và sau đó tính toán độ hữu ích chính xác của từng ứng viên để xác định các tập mục tiện ích cao | Word-for-word Translation |
| 46 | To improve performance, previous studies focus on how to reduce the number of candidates, which can lead to the decrease in the costs of both candidate generation and utility computation. | Để cải thiện hiệu suất, các nghiên cứu trước đây tập trung vào cách giảm số lượng ứng viên, điều này có thể dẫn đến giảm chi phí của cả việc tạo ứng viên và tính toán độ hữu ích. | Word-for-word Translation |
| 47 | In this paper, we have proposed a novel data structure, utility-list, and developed an efficient algorithm, HUIMiner, for high utility itemset mining. | Trong bài báo này, chúng tôi đã đề xuất một cấu trúc dữ liệu mới, utility-list và phát triển một thuật toán hiệu quả, HUIMiner, để khai thác tập có độ hữu tiện ích cao. | Literal Translation |
| 48 | Utility-lists provide not only utility information about itemsets but also important pruning information for HUI-Miner. | Utility-lists không chỉ cung cấp thông tin tiện ích về các tập hợp mà còn cung cấp thông tin cắt tỉa quan trọng cho HUI-Miner. | Literal Translation |
| 49 | Previous algorithms have to process a very large number of candidate itemsets during their mining processes. | Các thuật toán trước đây phải xử lý một số lượng rất lớn các tập mục ứng viên trong quá trình khai thác của chúng. | Word-for-word Translation |
| 50 | However, most candidate itemsets are not high utility and are discarded finally. | Tuy nhiên, hầu hết các tập mục ứng viên không có độ hữu ích cao và cuối cùng bị loại bỏ. | Semantic Translation |
Báo Cáo Thực Tập Kỹ Thuật Áp Dụng Dịch Bài Viết Khoa Học hy vọng bài viết này sẽ là một bài viết hữu ích cho các bạn, cám ơn các bạn đã tin tưởng và theo dõi trang mạng của chúng tôi, chúc các bạn có một bài báo cáo chuẩn mực và đạt điểm cao, luận văn trust sẽ tiếp tục thu thập những bài viết hay, được đánh giá cao chia sẻ lên trang web để các bạn có thể tiếp tục kham thảo thêm nhiều bài mới. Nếu cần hỗ trợ cho bài viết khóa luận, bài báo cáo tốt nghiệp hãy liên hệ với chúng tôi.
Số điện thoại : 0917.193.864
Zalo : 0917.193.864
