ارائه یک روش کارآمد کاوش قوانین وابستگی برای سیستم های پیشنهاد دهنده

سیستم های پیشنهاد دهنده با هدف تسهیل و یاری رساندن به کاربران درزمینه ی انتخاب و یافتن کالای مورد نیاز ایشان با استفاده از روش های مبتنی برداده کاوی اطلاعات، ایجاد و توسعه یافته اند. یکی از مهم ترین تکنیک های داده کاوی کشف قوانین وابستگی است، که شامل دو مرحله است، در مرحله اول مجموعه اقلام مکرر موجود در تراکنش ها تولید و در مرحله دوم قوانین وابستگی موجود دراین مجموعه، استخراج می گردد. تمامی بار این فرایند، مربوط به مرحله اول می باشد و معمولا دارای پیچیدگی زمانی نمایی هستند. به طورمعمول کلیه ی الگوهای تولیدشده توسط مرحله اول، برای کاربر مفید نیست و تنها کسر کوچکی از این الگوها می توانند برای تحلیلگر و کاربر جالب باشند.در این مقاله روشی جدید ارائهشده است که می تواند فقط الگوهای جالب توجه کاربر را تولید کند، بدین صورت که با استفاده از ضریب همبستگی پیرسون که یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر است، متغیرهایی که اثر منفی روی دیگر متغیرها دارند یا متغیرهای ضعیفی در تولید قوانین وابستگی هستند را پیش از مرحله اول الگوریتم حذف نموده و از تولید الگوهایی که برایکاربر مفید نیست جلوگیری می کند. تاکنون این ارزیابی در مرحله دوم الگوریتم های کاوش قوانین وابستگی انجام می شد و چه بسا الگوهای بسیاری در مرحله اول تولید، بدون استفاده و دور ریخته می شد. روش پیشنهادی بر روی پایگاه داده Tic-Tac مورد آزمایش قرار گرفت، که زمان انجام الگوریتم و حافظه مصرفی را بهشدت کاهش داده و از تولید تعداد قابل توجهی الگوی بی مصرف جلوگیریمی نماید. نتایج بیانگر این است که روش پیشنهادی عملکرد بسیار بهتری نسبت به روش های پیشین داشته است

Keywords:

سیستم های پیشنهاد دهنده , داده کاوی , الگوریتم های کشف قوانین وابستگی و ضریب همبستگی