توسعه الگوريتم EFIM براي كشف مجموعه اقلام با متوسط ارزش بالا

فاقد عنوان و چكيده لاتين

مسئله استخراج مجموعه اقلام با ارزش بالا توسعه اي از مسئله كشف قوانين انجمني است كه دو هدف را دنبال مي كنند؛ اول اينكه اقلام بتوانند بيش از يك بار در تراكنشها حضور داشته باشند و همچنين ارزش و اهميت اقلام يكسان در نظر گرفته نشود. از نقاط ضعف روشهاي ارائه شده براي اين مسئله، اين است كه در آنها، مجموعه هايي با تعداد اقلام بيشتر، شانس بيشتري براي انتخاب شدن به عنوان مجموعه ي با ارزش دارند. در صورتيكه در دنياي واقعي اينگونه نيست و مجموعه هايي با تعداد اقلام بالا ارزش زيادي براي تصميم گيري ندارند. به منظور حل اين مشكل، الگوريتمهاي متعددي معرفي شده اند كه هدفشان يافتن مجموعه هايي با متوسط ارزش بالاست. اگرچه تلاشهاي خوبي در اين زمينه انجام پذيرفته است، هنوز نياز به الگوريتم هايي با كارايي بالاتر وجود دارد. در اين تحقيق الگوريتم EFIM كه روشي كارا در استخراج مجموعه هايي با ارزش بالاست را به گونه اي توسعه داده ايم كه بتواند مجموعه اقلام با متوسط ارزش بالا را بيابد. آزمايش هاي انجام شده نشان مي دهد روش پيشنهادي كارايي بهتري نسبت به روش MHAI دارد.