Key points are not available for this paper at this time.
Die Untersuchung von Assoziationsregeln ist ein wichtiges Modell im Data Mining. Die Mining-Algorithmen entdecken alle Elementassoziationen (oder Regeln) in den Daten, die die vom Benutzer festgelegten Mindestunterstützungs- (minsup) und Mindestvertrauens- (minconf) Einschränkungen erfüllen. Minsup steuert die Mindestanzahl an Datenfällen, die eine Regel abdecken muss. Minconf steuert die prädiktive Stärke der Regel. Da nur ein minsup für die gesamte Datenbank verwendet wird, geht das Modell implizit davon aus, dass alle Elemente in den Daten derselben Art sind und/oder ähnliche Häufigkeiten in den Daten haben. Dies ist jedoch in der Praxis selten der Fall. In vielen Anwendungen erscheinen einige Elemente sehr häufig in den Daten, während andere nur selten auftreten. Wenn minsup zu hoch eingestellt ist, werden die Regeln, die seltene Elemente beinhalten, nicht gefunden. Um Regeln zu finden, die sowohl häufige als auch seltene Elemente beinhalten, muss minsup sehr niedrig eingestellt werden. Dies kann zu einem kombinatorischen Explosionsproblem führen, da diese häufigen Elemente auf alle möglichen Weisen miteinander assoziiert werden.
Liu et al. (Sun,) haben diese Frage untersucht.