Closed Set Based Discovery of Small Covers for Association Rules

In this paper, we address the problem of the usefulness of the set of discovered association rules. This problem is important since real-life databases yield most of the time several thousands of rules with high confidence. We propose new algorithms based on Galois closed sets to reduce the extraction to small covers (or bases) for exact and approximate rules, adapted from lattice theory and data analysis domain. Once frequent closed itemsets – which constitute a generating set for both frequent itemsets and association rules – have been discovered, no additional database pass is needed to derive these bases. Experiments conducted on real-life databases show that these algorithms are efficient and valuable in practice. RÉSUMÉ. Nous traitons dans cet article du problème de l’utilisabilité des règles d’association découvertes. Ce problème est primordial car, dans la plupart des cas, les jeux de données réels conduisent à plusieurs milliers de règles d’association dont la mesure de confiance est élevée. Nous proposons de nouveaux algorithmes, basés sur l’utilisation de la fermeture de la connexion de Galois, permettant d’extraire des couvertures réduites (ou bases) pour les règles d’association exactes et partielles, adaptées du domaine de la théorie des treillis et de l’analyse de données. L’approche proposée consiste à extraire les itemsets fermés fréquents – qui constituent un ensemble générateur pour les itemsets fréquents et les règles d’association – et générer ensuite ces bases sans autre accès à la base de données. Les expérimentations menées sur des bases de données réelles montrent l’efficacité et l’utilité de ces algorithmes.