زینب ایزدی - گروه مهندسی کامپیوتر؛ دانشگاه بجنورد
آزاده سلطانی - گروه مهندسی کامپیوتر؛ دانشگاه بجنورد
وحید کیانی - گروه مهندسی کامپیوتر؛ دانشگاه بجنورد

استخراج مجموعه اقلام با ارزش HUPM به دلیل کاربردهای آن در دنیای واقعی یکی از مسائل مهم در داد هکاوی است. مجموعه اقلام با ارزش مجموعه اقلامی هستند که در پایگاه داده تراکنشی منجر به ارزش و سود بالاتری شده در نتیجه اهمیت بیشتری دارند. ارزش مجموعه اقلام از خاصیت بستار نزولی پیروی نمی کند، در نتیجه امکان هرس فضای جستجو با استفاده از این معیار وجود ندارد. از ای ن جهت فضای جستجو نمایی است و عملکرد الگوریتم ها با افزایش حجم پایگاه داده و مجموعه اقلام به سرعت تنزل می کند، این موضوع برای پایگاه داده های بزرگ غیرقابل قبول است. بنابراین استفاده از الگوریتم های تکاملی برای حل اینگونه مسائل مطرح شده است. هدف از این تحقیق بهبود الگوریتم متاهیورستیک BIO-HUIF-PSO با بهره گیری از ویژگی های پایگاه داده مانند حداکثر طول تراکنش و ارزش مجموعه اقلام بر ای تولید ذرات است به نحوی که بتوان مجموعه اقلام با ارزش بیشتری را شناسایی کرد. آزمایش ها بر روی مجموعه داده های واقعی نشان می دهد که روش پیشنهادی عملکرد بهتری از نظر کشف تعداد مجموعه اقلام با ارزش نسبت به الگوریتم پایه دارد. برای مجموع هداده Retail با ۱۶ هزار قلم، روش پیشنهادی توانسته است برای استخراج مجموعه آیتم هایی با ارزش حداقل ۵۰۰۰ ، تعداد مجموعه اقلام با ارزش استخراج شده را به بیش از ۱۰۰۰ مجموعه افزایش دهد، در حالی که روش پایه قادر به استخراج هیچ مجموعه قلم با ارزشی نبوده است .

استخراج مجموعه اقلام با ارزش ، الگوریتم تکاملی، بهینه سازی ازدحام ذرات