جستجو در سایت

تماس با ما: 09361509687  ایمیل: royalproje.ir[ at ]gmail.com

Get Started

از بین قوانینی که از الگوهای پرتکرار می توان ایجاد کرد، تعداد کمی از آن ها قوانین مفیدی برای سیستم هستند. در نتیجه باید معیاری وجود داشته باشد که با استفاده از آن بتوان بین قوانین مفید و غیر مفید تمایز قائل شد. همچنین این معیار برای استخراج قوانین انجمنی مثبت و منفی متفاوت خواهد بود (مانیلا، 2002، جیاوی هان، 2011). قوانین انجمنی منفی، رابطه بین آیتم هایی را نشان می دهد که در تضاد با هم و یا مکمل هم هستند. به بیان دیگر با مشاهده یکی از آن آیتم ها، می توان نتیجه گرفت آیتم دیگر رخ نخواهد داد (رمضانی، 1393، غیبی، 1393).
شرط انتخاب الگوهای پرتکرار، تکرار همه آیتم های آن الگو در تعداد قابل توجهی از تراکنش ها می باشد. در مقابل شرط تایید یک قانون انجمنی انتخاب شده، معمولا دو معیار اصلی در نظر گرفته می شود (همیلتن، 2006). پشتیبانی بیان می کند که چه تعداد تراکنش همزمان شامل پیش شرط و پس شرط قانون است؛ به عبارت رسمی تر (آگراوال، 1996):

Sup(X)=(no.of transactions wich contain the itemset X)/(total no.of transactions) (2)

پشتیبانی یک معیار مهم است؛ چراکه قانونی که مقدار پشتیبانی خیلی کمی دارد، به سادگی ممکن است با شانس کمتری رخ دهد. یک قانون با مقدار پشتیبانی کم همچنین از منظر تجاری، احتمالا غیرجالب است، زیرا ممکن نیست آن برای ترقی آیتم هایی که مشتریان به ندرت باهمدیگر خریداری می کنند، سودمند باشد. مقدار پشتیانی اغلب برای محدود کردن قوانین غیرجالب استفاده می شود. بنابراین، پشتیبانی یک خصوصیت مطلوب است که می تواند برای استخراج موثر قوانین وابستگی به کار رود (ام تنک، 2014) و اطمینان کسری از تراکنش ها را نشان می دهد که اگر شامل پیش شرط قانون باشند، شامل پس شرط آن نیز هستند (جیاوی و هان، 2011)؛ به طور رسمی:

Conf(X→Y)=(sup⁡(X∪Y))/(sup⁡(X)) (3)
معیار اطمینان، اعتبار یک قانون را می سنجد. برای یک قانون مفروض X->Y، اطمینان بیشتر یعنی Y با احتمال بیشتر، در تراکنش هایی که شامل X هستند، ارائه می شود. اطمینان همچنین یک تخمین از احتمال شرطی Y می دهد X را، فراهم می کند (ام تنک، 2014).
درصورتیکه به ازای یک قانون، مقدار هر یک از معیارهای فوق از مقدار حداقل تعیین شده متناظر با آن معیار بیشتر باشد، قانون انتخاب شده و درغیر اینصورت حذف می شود (دانهام، 2002).
بنابراین قوانین انجمنی، روابط ضمنی بین آیتم ها را کشف می کنند و سپس این روابط را به-طور صریح و با استفاده از معیارهای احتمالی دقیق (پشتیبان و اطمینان) مشخص می نماید (برای مثال با احتمال 40%، A,B,C همزمان رخ می دهند و اگر A,B رخ دهند، با احتمال 20%، C نیز رخ می دهد) (یانگ و همکاران، 1997). این امکان به مدیر فروشگاه اجازه می دهد آیتم هایی را که به-طور مکرر با هم خریداری می شوند، در کنار یکدیگر قرار دهند و تا از این طریق بر میزان فروش بیافزایند (خادم القرآنی، 1392).
به طور کلی، استخراج قواعد انجمنی شامل دو مرحله می باشد: اول، تولید مجموعه آیتم های مکرر و دوم، تولید قواعد انجمنی از الگوهای فراوان (پاپوی و همکاران، 2012).

تیم هوش مصنوعی و داده کاوی رویال پروژه مفتخر است که سالها در کنار شماست، جهت سفارش پایان نامه، انتخاب موضوع، پروپوزال ویا مشاوره در زمینه سیستم های داده کاوی با ما تماس بگیرید:

سفارش پایان نامه و پروژه داانشجویی

اشتراک برای
آپ دیت ودریافت خبرها