Technique d'exploration des données et les candidatures

L'extraction d'ensembles d'articles à haute utilité à partir d'une base de données transactionnelle fait référence à la découverte d'ensembles d'articles à haute utilité comme les profits. Bien qu'un certain nombre d'algorithmes pertinents aient été proposés ces dernières années, ils se heurtent au problème de la production d'un grand nombre d'ensembles d'articles candidats pour les ensembles d'articles à haute utilité. Un tel nombre d'ensembles d'articles candidats dégrade les performances de l'exploitation minière en termes de temps et d'espace nécessaires à l'exécution. La situation peut s'aggraver lorsque la base de données contient beaucoup de longues transactions ou de longs ensembles d'articles très utiles.Dans ce livre, nous proposons un algorithme, à savoir un algorithme d'extraction amélioré (Utility Pattern Growth plus) pour l'extraction d'ensembles d'articles à haute utilité avec un ensemble de stratégies efficaces pour l'élagage des ensembles d'articles candidats. Les informations sur les ensembles d'articles très utiles sont conservées dans une structure de données arborescente appelée UP-Tree (Utility Pattern Tree), de sorte que les ensembles d'articles candidats peuvent être générés efficacement avec seulement deux balayages de la base de données. Les performances d'UP-Growth et d'UP Growth+ sont comparées aux algorithmes de pointe sur de nombreux types d'ensembles de données réels et synthétiques.