آزاده سلطانی - استادیار گروه مهندسی کامپیوتر، دانشگاه بجنورد
محمود سلطانی - مربی گروه مهندسی کامپیوتر، دانشگاه مهندسی فناوریهای نوین قوچان

الگوریتمهای کشف الگوهای پرتکرار، به دنبال یافتن روابط جالب و نهفته بین داده ها هستند؛ این درحالیست که توجهی به زمان، توالی و ترتیب دادهها ندارند. به منظور پوشش این نقطه ضعف، مسیله کشف توالیهای پرتکرار مطرح شده است که تا کنون الگوریتمهای متنوعی برای آن ارایه شده است. در بین این روشها، الگوریتم SPAM که رویکردی عمودی دارد، در پایگاهدادههای بزرگ و فشرده، دارای کارایی بیشتری است. SPAM در هر مرحله، بدون نیاز به گذرهای هزینه بر از مجموعه داده، توالیهای کاندید را تولید میکند و با شمارش آنها، تعداد تکرار و در نتیجه توالیهای پرتکرار را مییابد. در الگوریتم پیشنهادیسعی شده است به کمک روش Eclat و با اعمال محدودیت بر روی توالیهای کاندید و کاهش تعداد آنها، زمان اجرای روش SPAM بهبود داده شود. آزمایشهای انجام شده نشان میدهند روش پیشنهادی، زمان اجرا و حافظه مصرفی را کاهش داده است.

دادهکاوی، الگوهای پرتکرار، توالیهای پرتکرار، الگوریتم Eclat ، الگوریتم SPAM