Estrazione di regole di associazione da set di dati incrementali

L'Association Rule Mining (ARM) nel data mining fornisce regole di associazione di qualità basate su misure come il supporto e la confidenza. Queste regole vengono interpretate dagli esperti del dominio per prendere decisioni ben informate. Tuttavia, l'ARM presenta un problema quando il set di dati è soggetto a modifiche periodiche. Scoprire le regole reinventando la ruota, scansionando ogni volta l'intero set di dati, in altre parole, consuma più memoria, potenza di elaborazione e tempo. Si tratta di un problema ancora aperto a causa della proliferazione di diverse strutture di dati utilizzate per l'estrazione di insiemi di elementi frequenti. Viene proposto un algoritmo per aggiornare le regole di associazione estratte quando si verificano cambiamenti nel dataset. L'algoritmo proposto supera l'approccio tradizionale in quanto estrae le regole di associazione in modo incrementale e aggiorna dinamicamente le regole di associazione estratte.