بهینه سازی الگوریتم Apriori

داده کاوی به عنوان یکی از رشته های اصلی هوش مصنوعی در صدد استخراج اطلاعات مهم از پایگاه داده های بزرگ می باشد. وابستگی های موجود بین داده ها از طریق الگوریتم های مهمی مانند Apriory قابل شناسایی بوده و این الگوریتم بارها توسط محققان ارتقا یافته است. تلاش ما، پیشنهاد روشی جدید برای بهینه سازی الگوریتم و پیاده سازی آن بود تا مجبور نباشیم در هر مرحله تنها یک واحد به ترکیبات اقلام بیفزاییم بلکه در هر مرحله تمام ترکیبات اقلام را بدست آوردیم. این عمل اقلام بیشتر مکرر را در مراحل پایینی کشف نموده و نتیجه تحقیق، هزینه زمانی الگوریتم را تا حدود نصف کاهش داد. در یک مسیله از 0/30 ثانیه به 0/14 ثانیه رسیدیم. اختلاف زمانی از آنجا ناشی می شود که الگوریتم Aprioryزمان زیادی را برای آزمون اقلام غیر تکراری صرف می کند. این روش با کاهش تعداد گذر از پایگاه داده کمک موثری در اجرای الگوریتم دارد.

کلیدواژه ها:

Apriory ، پایگاه داده تراکنشی ، داده کاوی ، قوانین انجمنی