Effizientes Mining von Assoziationsregeln in Textdatenbanken

In dieser Arbeit schlagen wir zwei neue Algorithmen für das Mining von Assoziationsregeln zwischen Wörtern in Textdatenbanken vor. Die Eigenschaften von Textdatenbanken unterscheiden sich stark von denen von Einzelhandels-Transaktionsdatenbanken, und bestehende Mining-Algorithmen können Textdatenbanken aufgrund der großen Anzahl von Items (d.h. Wörtern), die gezählt werden müssen, nicht effizient verarbeiten. Zwei bekannte Mining-Algorithmen, der Apriori-Algorithmus und der Direct Hashing and Pruning (DHP)-Algorithmus, werden im Kontext des Mining von Textdatenbanken evaluiert und mit den neuen vorgeschlagenen Algorithmen namens Multipass-Apriori (M-Apriori) und Multipass-DHP (M-DHP) verglichen. Es hat sich gezeigt, dass die vorgeschlagenen Algorithmen eine bessere Leistung bei großen Textdatenbanken aufweisen.