بررسی الگوریتم اپریوری برای استخراج قوانین انجمنی با رویکرد انتخاب بهینه اقلاممکرر درپایگاه داده

جهان پیشرفته امروز به منظور داده کاوی در یادگیری ماشین با حجم زیادی از داده ها و مراجعه مداوم به پایگاه داده مواجه است. کشف قوانین انجمنی، یک روش بسیار محبوب و موثر برای استخراج اطلاعات معنی دار از مجموعه داده های بزرگ می باشد. استخراج قوانین از بین داده های پرتکرار بوسیله الگوریتمی که باعث شود قوانین و داده های غیرضروری هرس شوند بسیار وقت گیر بوده و نیاز به محاسبات زیادی دارد. الگوریتم های استخراج قانون، مانند الگوریتم اپریوری برای یافتن ارتباط ساده بین داده ها بسیار مفید هستند. پیاده سازی اپریوری آسان است و قابلیت توضیح بالایی دارد ولی به لحاظ محاسباتی بسیار پر هزینه است. حتی اگر الگوریتم اپریوری تعداد اقلام کاندید برای بررسی را کاهش دهد، در صورتی که داده ها زیاد یا آستانه پشتیبان کم باشد میزان باقیمانده همچنان عدد بزرگی خواهد بود. یک راهکار جایگزین، هرس اقلام به شیوه موثرتر مانند ایجاد ترکیبات دودویی از اقلام باقیمانده به صورت یک در میان است که باعث کاهش مراجعات به پایگاه داده و بنابراین کاهش زمان اجرای الگوریتم برای رسیدن به مجموعه قوانین با جذابیت بالا می شود.

کلیدواژه ها:

الگوریتم اپریوری ، هرس ، پایگاه داده ، قوانین انجمنی