توسعه الگوریتم EFIM برای کشف مجموعه اقلام با متوسط ارزش بالا

مسئله استخراج مجموعه اقلام با ارزش بالا توسعه ای از مسئله کشف قوانین انجمنی است که دو هدف را دنبال می کنند؛ اول اینکه اقلام بتوانند بیش از یک بار در تراکنشها حضور داشته باشند و همچنین ارزش و اهمیت اقلام یکسان در نظر گرفته نشود. از نقاط ضعف روشهای ارائه شده برای این مسئله، این است که در آنها، مجموعه هایی با تعداد اقلام بیشتر، شانس بیشتری برای انتخاب شدن به عنوان مجموعه ی با ارزش دارند. در صورتیکه در دنیای واقعی اینگونه نیست و مجموعه هایی با تعداد اقلام بالا ارزش زیادی برای تصمیم گیری ندارند. به منظور حل این مشکل، الگوریتمهای متعددی معرفی شد ه اند که هدفشان یافتن مجموعه هایی با متوسط ارزش بالاست. اگرچه تلاشهای خوبی در این زمینه انجام پذیرفته است، هنوز نیاز به الگوریتمهایی با کارایی بالاتر وجود دارد. در این تحقیق الگوریتم EFIM که روشی کارا در استخراج مجموعه هایی با ارزش بالاست را به گونه ای توسعه داده ایم که بتواند مجموعه اقلام با متوسط ارزش بالا را بیابد. آزمایشهای انجام شده نشان میدهد روش پیشنهادی کارایی بهتری نسبت به روش MHAI دارد.

کلیدواژه ها:

داده کاوی ، الگوهای پرتکرار ، الگوهایی با متوسط ارزش بالا ، الگوریتم EFIM.