استخراج بزرگترين مجموعه الگوهاي مكرر با استفاده از معكوس الگوريتم Apriori

كاوش قوانين انجمني در بين داده هاي يك پايگاه داده بزرگ، يكي از مهمترين مسائل در حوزه داده كاوي به شمار مي آيد. براي استخراج قوانين انجمني در ابتدا بايد الگوهاي مكرر كشف شوند، از اينرو مرحله استخراج الگوهاي مكرر داراي اهميت ويژه اي استكه اين گام عموما داراي هزينه بالاي محاسباتي و متعاقبا زمانبر مي باشد. راه حل ارائه شده در اين مقاله توانسته است با معكوس كردن الگوريتم Apriori و كاهش توليد مجموعه نامزدهاي الگوي مكرر براي يافتن بزرگترين الگوهاي پر تكرار در پايگاه داده هاي بزرگ، حجم بالاي محاسباتي را در اين حوزه كم كرده و سرعت اجراي اين الگوريتم را نسبت به روش هاي ارائه شده قبلي افزايش دهد و همچنين باعث كاهش اتلاف حافظه گرديده است. براي آزمايش اين روش پيشنهادي از هشت پايگاه داده از نوع تراكنشي استفاده شده استكه نتايج حاصل از آن بهبود قابل قبولي را نسبت به الگوريتم هاي قبلي بدنبال داشته است