روشی کارا برای کاوش مجموعه اقلام پرتکرار در تحلیل داده های سبد خرید

کشف الگوهای پنهان و ارزشمند از درون حجم وسیعی از داده­های خام، اخیراً توجه بسیاری از محققان را به خود جلب کرده­است. اغلب روشهای کاوش قوانین تداعی در مرحله اول کار خود کلیه اقلام پرتکرار (ساده و ترکیبی) را از بین تمام اقلام موجود در داده­ها جستجو می­کنند که این امر نیازمند به خواندن مکرر کل داده­ها از دیسک است. در مسائل داده­کاوی، حجم پایگاه داده­های تراکنش معمولاً آنقدر زیاد است که قابل بار شدن در حافظه اصلی نمی­باشند. اما در برخی موارد مانند پایگاه داده­های تحلیلی مربوط به سبدهای خرید یک فروشگاه، با توجه به تعداد نسبتا زیاد اقلام ممکن (کل اجناس فروشگاه) و نیز محدودیت نسبی اندازه تراکنش­ها (اقلام خریداری شده در هر سبد)، احتمال رخداد یک قلم داده (خریداری شدن یک کالای خاص) پایین است. در این مقاله با بهره­گیری از این ویژگی، روشی کارا برای کاوش اقلام پرتکرار در مجموعه داده­هایی از این قبیل ارائه می­دهیم. در روش پیشنهادی، داده­ها تنها یک بار از دیسک خوانده می­شوند و بعد از آن به یک ساختار رمز شده و خلاصه تبدیل می­گردند، بطوریکه اولاً قابل نگهداری در حافظه می­باشند و ثانیاً با توجه به ساختار خاصی که دارند، عملیات شمارش به سریع­ترین نحو ممکن انجام می­گردد و زمان شمارش دفعات تکرار اقلام در هر مرحله کمتر از مرحله قبل می­شود. پس از ارائه الگوریتم، کارایی آن را با استفاده از دو مجموعه از داده­های ساختگی و واقعی ارزیابی کرده و با چند روش کارا که تاکنون ارائه شده­اند، مقایسه می­کنیم.