الگوریتمی سریع برای استخراج قوانین وابستگی برای مجموعه اقلام بزرگ

کاوش قوانین وابستگی بین اقلام داده ای موجود دریک پایگاه داده بزرگ ازجنبه های تحقیقات ضروری درزمینه داده کاوی است کشف این قوانین برای تصمیم گیری درست و مناسب توسط تصمیم گیرندگان مفید است یک مشکل شناخته شده این است که استفاده عملی ازالگوریتم های استخراج قواعد انجمنی با توجه به تعدادبسیارزیادی ازقوانین استخراجی امکان پذیر نمی باشد این چنین تعدادزیادی ازقوانین باعث می شود الگوریتم های موجود ناکارامد شده و درک قوانین کشف شده برای کاربران نهایی امکان پذیرنمی باشد دراین مقاله ما یک الگوریتم کارامد برای کاوش قوانین انجمن معدن درپایگاه داده های بزرگ ارایه مینماییم الگوریتم ارایه شده ازیک رویکرد کارامد برای تبدیل پایگاه داده اصلی تراکنشی به گروه تراکنش فشرده استفاده می کند که نقش مهمی درکارایی الگوریتم ارایه می کند این امر اجازه تولید سریع الگوهای پرتکرار را توسط پرش ازاسکن های پی درپی پایگاه داده و درنتیجه کاهش مقدارزیادیاززمان به ازای هراسکن را به دنبال خواهد داشت ما ازمایشهای گسترده را انجام داده ایم و عملکرد الگوریتم را بایکی ازبهترین الگوریتم های موجود مقایسه کرده ایم نتایج تجربی نشان میدهد که رویکرد ما موثر کارامد و امیدوار کننده است

کلیدواژه ها:

کشف قوانین وابستگی ، مجموعه اقلام پرتکرار ، مجموعه اقلام بزرگ ، کاوش الگو