Gewinnung von Assoziationsregeln aus inkrementellen Datensätzen

Association Rule Mining (ARM) im Data Mining liefert qualitativ hochwertige Assoziationsregeln auf der Grundlage von Maßstäben wie Unterstützung und Vertrauen. Diese Regeln werden von Fachleuten interpretiert, um fundierte Entscheidungen zu treffen. Es gibt jedoch ein Problem mit ARM, wenn der Datensatz von Zeit zu Zeit Änderungen unterworfen ist. Die Entdeckung von Regeln, indem das Rad neu erfunden wird und der gesamte Datenbestand jedes Mal gescannt wird, verbraucht mehr Speicher, Rechenleistung und Zeit. Dies ist immer noch ein offenes Problem aufgrund der Verbreitung verschiedener Datenstrukturen, die für die Extraktion von häufigen Elementmengen verwendet werden. Es wird ein Algorithmus zur Aktualisierung der ermittelten Assoziationsregeln bei Änderungen des Datensatzes vorgeschlagen. Der vorgeschlagene Algorithmus übertrifft den traditionellen Ansatz, da er die Assoziationsregeln inkrementell ermittelt und die ermittelten Assoziationsregeln dynamisch aktualisiert.

Autorentext

Dr. N. Satyavathi arbeitet als Leiterin der Abteilung CSE in einer renommierten Einrichtung. Sie hat 17 Jahre Erfahrung in der Lehre. Veröffentlichte verschiedene Forschungsarbeiten in verschiedenen Scopus-Zeitschriften und auf internationalen Konferenzen. Fortlaufende Forschung auf dem Gebiet des Datamining.