بهبود دقت در کاوش قوانین انجمنی از کلان داده

گسترش فن آوری های ارتباطی وذخیره سازی به افزایش حجم وتنوع دادهها منجر شده و باعث بوجودآمدن مفهوم کلان داده گردیده است. این حجم فزاینده و انواع مختلف داده موجب تغییر روشهایتجزیه و تحلیل داده ها شده اند و می توانند فرصت های بیشتری برای استخراج ارزش از داده ها فراهمکنند. بنابراین نیاز به روش های پیشرفته تر تجزیه وتحلیل کلان داده ها بیش از پیش احساس می شود.یکی از روشهای تجزیه وتحلیل کلان داده ها، کشف قوانین انجمنی ازکلان داده است. قوانینانجمنی، روابط حاکم بر داده ها را کشف می کنند. روشهای زیادی برای کشف قوانین انجمنیازکلان داده ارایه شده است، که یکی از این روشها، به کارگیری تکنیک های الگوریتم ژنتیک دراین زمینه است. روش هایی که از این تکنیک در زمینه ی استخراج قوانین انجمنی استفاده کرده اند،دقت قابل قبولی را در کاوش این قوانین ارایه نمی کنند. در این مقاله، روشی اریه شده است که بابهره گیری از روش برنامه نویسی عبارت ژن بر اساس سلول بندی و با استفاده از دسته بندی راه حل ها ،قوانین قوی تر و دقیق تری کشف شوند. در این روش، قبل ازسلول بندی، دسته بندی قوانین تولید شدهبه روش KNN انجام میگیرد، همچنین باتغییرتابع ارزیاب الگوریتم واضافه کردن دیگر معیارهایارزیابی قوانین انجمنی به این تابع، در کل، دقت الگوریتم پیشنهادی به میزان 11 درصد افزایش یافته است.

کلیدواژه ها:

کلان داده ، قوانین انجمنی ، استخراج قوانین انجمنی ، دسته بندی قوانین ، الگوریتم ژنتیک