トランザクションデータベースからのマイニングマルチレベルアソシエーションルールとは何ですか？

マルチレベルのアソシエーションルールをマイニングするアプローチは、supportconfidenceフレームワークに基づいています。トップダウン戦略が採用されており、各コンセプトレベルで頻繁なアイテムセットを計算するためにカウントが累積され、コンセプトレベル1から始まり、Aprioriアルゴリズムを使用してより頻繁なアイテムセットが見つかるまで、より低い特定のコンセプトレベルに向かって進みます。

データは、データ内の低レベルの概念を、概念階層の高レベルの概念または祖先に置き換えることで一般化できます。概念階層では、ルートがD、つまりタスク関連データであるツリーとして表されます。

マルチレベルアソシエーションの人気のあるアプリケーション分野は、マーケットバスケット分析です。これは、コンセプト階層の概念で表示された、頻繁に一緒に購入されるアイテムのセットを検索することによって、顧客の購買習慣を調査します。

各ノードは、検査されたアイテムまたはアイテムセットを示します。抽象化の任意のレベルで頻繁なアイテムセットを見つけるためのさまざまなアプローチがあります。使用されている方法のいくつかは、「すべてのレベルに均一な最小サポートを使用する」、低レベルでの最小サポートの削減、レベルごとの独立性を使用することです。

マルチレベルデータベースには、初期トランザクションテーブルではなく、階層データでエンコードされたトランザクションテーブルが必要です。これは、すべてのアイテムではなく、食品などのトランザクションデータベースの一部のみに関心がある場合に役立ちます。このようにして、最初に関連するデータセットを収集し、次にタスク関連のセットで繰り返し作業することができます。したがって、トランザクションテーブルでは、各アイテムは一連の数字としてエンコードされます。

すべてのレベルで統一された最小限のサポートを使用する −均一な最小サポートしきい値を使用すると、検索手順が簡略化されます。祖先がその子孫のスーパーセットであるという知識に基づいて、最適化手法を採用できます。検索では、祖先が最小限のサポートを持たないアイテムを含むアイテムセットの調査を回避します。

統一サポートアプローチの主な欠点は、抽象化のレベルが低いアイテムが、抽象化のレベルが高いアイテムと同じくらい頻繁に発生することです。

低レベルでの最小サポートの削減 −抽象化の各レベルには、最小サポートしきい値があります。抽象化レベルが低いほど、同等のしきい値は小さくなります。サポートが削減された複数レベルの関連付けをマイニングするための次の検索カテゴリは次のとおりです-

• レベルごとに独立 −これは全範囲の検索であり、頻繁なアイテムセットの背景知識が剪定に使用されます。ここでは、親ノードが頻繁であることが判明したかどうかに関係なく、各ノードが検査されます。

• 単一のアイテムによるレベルのクロスフィルタリング − i番目のレベルとしてのアイテムは、（i-1）番目のレベルの親ノードが頻繁にある場合にのみ決定されます。

• k-itemsetによるレベルクロスフィルタリング − i番目のレベルのアイテムセットは、（i-1）番目のレベルの同等の親Aアイテムセットが頻繁にある場合にのみ決定されます。