بهبود کاوش قوانین انجمنی براساس الگوریتم بهینه سازی مهاجرت حیوانات

هدف از کاوش قوانین انجمنی (۱ARM) یافتن قوانینی است که بتوانند حد آستانه پشتیبان۲ و حد آستانه اطمینان۳ از پیش تعریف شده را در یک پایگاه داده مورد بررسی برآورده کنند. در بسیاری از موارد ARM تعداد بسیار زیادی از قوانین انجمنی را استخراج می کند که درک یا تایید آن برای کاربران نهایی زمان بر است، بنابراین کاهش تعداد قوانین انجمنی که ناکارامد هستند، می تواند مورد توجه قرار گیرد.استفاده از الگوریتم های بهینه سازی، یکی از موثرترین روش ها در جهت افزایش کارایی کاوش قوانین انجمنی و کاهش تعداد قوانین می باشد. با این حال در کاربردهای واقعی، از آنجا که ممکن است کاربر دانش قبلی در خصوص آیتم های کلیدی داشته باشد، یافتن قوانینی که حاوی آیتم های کلیدی هستند، برای اینگونه کاربران از اهمیت بیشتری برخوردار است. در این مقاله، از الگوریتم تغیریافته کاوش قوانین انجمنی مبتنی بر بهینه سازی مهاجرت حیوانات (AMO۴-M-ARM)، بهمنظور کاهش تعداد قوانین انجمنی و افزایش کیفیت قوانین استفاده شده است. بر اساس این ایده، قوانینی که پشتیبانی بالایی نداشته و غیر ضروری هستند حذف شده و قوانین کلیدی بیشتری کاوش می شود. ابتدا، الگوریتم Apriori برای تولید مجموعه آیتم های مکرر و قوانین انجمنی استفاده می شود، سپس از بهینه سازی مهاجرت حیوانات (AMO)بمنظور کاهش تعداد قوانین، با استفاده از تابع برازش۵، استفاده می شود. تابع برازش براساس مقدار پشتیبان و اطمینان قوانین و وجود یا عدم وجود آیتم های کلیدی محاسبه می شود. در آزمایش های انجام گرفته مشاهده می شود که در قوانین خروجی تولید شده، تعداد قوانین کلیدی و جالب توجه بیشتری با استفاده از روش پیشنهادی در مقایسه با AMO–ARM تولید می شود

کلیدواژه ها:

کاوش قوانین انجمنی ، بهینه سازی مهاجرت حیوانات (AMO) ، الگوریتم Apriori