ارائه روشی جدید برای کاوش قوانین انجمنی با استفاده از الگوریتم های تکاملی Cuckoo search

کاوش مجموعه اقلام نقش بسیار مهمی در تمام زمینه های تحقیقاتی داده کاوی مانند قوانین انجمنی، خوشه بندی و طبقه بندی و سایر کاربردهای مهندسی ایفا می کند. کاوش تمام مجموعه اقلام مکرر منجر به تعداد گسترده ای از اقلام می گردد. این مسئله می تواند به مسئله یافتن مجموعه اقلام مکرر ماکزیمال تبدیل شود. در این پژوهش، یک روش جدید برای کاوش تمام مجموعه اقلام مکرر ماکزیمال مبتنی بر الگوریتم تکاملی فاخته ارائه شده است. در این روش ابتدا یک ماتریس مربع وابسته به عناصر تراکنش های پایگاه داده ساخته می شود. سپس گراف ماتریس در نظر گرفته می شود و زیرگراف های کامل ماکزیمال که یک به یک متناظر با مجموعه اقلام مکرر ماکزیمال هستند، پیدا می شوند. منظور از مجموعه اقلام مکرر ماکزیمال، اقلامی است که تعداد تکرار آن ها با هم بیش از مقدار خاصی است یا به بیان دیگر قابل توجه باشد. در الگوریتم پیشنهادی نحوه کد کردن به روشی منحصر به فرد و متناسب با مسئله در نظر گرفته شده است و از جستجوی بیهوده اجتناب شده است. نحوه ترکیب و تولید نسل جدید از دیگر ویژگی های روش پیشنهادی است که تاثیر چشمگیری در سرعت رسیدن به پاسخ دارد. برای ارزیابی روش پیشنهادی از معیارهای 1)تعداد پویش پایگاه داده، 2) حافظه مصرفی، 3) پیچیدگی زمانی و سرعت اجرای الگوریتم و 4) یافتن تمام الگوهای مکرر ماکزیمال استفاده شده است. ارزیابی روش پیشنهادی براساس این معیارها نشان می دهد که روش از کارایی مناسبی برخوردار است. همچنین آزمایش روش پیشنهادی با پایگاه های داده بزرگ نشان می دهد که سرعت اجرا و رسیدن به جواب در مقایسه با سایر روش ها که در شرایط مشابه و پایگاه های داده بزرگ مشابه آزمایش شده اند، بهبود قابل توجهی یافته است.

کلیدواژه ها:

داده کاوی ، قوانین انجمنی ، اقلام مکرر ، مجموعه اقلام مکرر ماکزیمال ، زیرگراف کامل بیشینه