جهت کسب اطلاع در مورد رودمپ عمومی هوش مصنوعی روی لینک رو به رو کلیک کنید.
رودمپ قوانین انجمنی: کاوش الگوهای پرتکرار
قوانين انجمنی، مطالعه صفات يا ویژگی‌هایی است كه با همديگر وابستگی بسیاری دارند. روش‌های تحليل وابستگی، وابستگی این مشخصه‌ها را كشف می‌کنند، به اين معنا كه آنها قواعدی را پيدا می‌کنند كه با استفاده از آنها بتوان روابط بين يک يا چند مشخصه را کمی سازی نمود. همچنين قوانين انجمنی روابط وابستگی متقابل میان مجموعه بزرگی از کالاها را نشان می‌دهند.
پيدا كردن چنين قوانينی می‌تواند در حوزه‌های مختلف مورد توجه بوده و کاربردهای متفاوتی داشته باشد. به‌عنوان‌مثال كشف روابط وابستگی میان حجم عظیمی از تراکنش‌های خرید می‌تواند در تشخیص تقلب، در حوزه پزشکی و شخصی‌سازی مورد استفاده قرار گيرد. در طراحی كاتالوگ، بازاریابی و ديگر مراحل فرايند تصمیم‌گیری مدیران مؤثر باشد.
جهت روشن شدن مطلب یک فروشگاه خرده‌فروشی را در نظر بگیرید. مشخصات اجناس خریداری‌شده توسط هر مشتری در یک واحد پایگاه داده ذخیره شده و به هر واحد یک شناسه نسبت داده می‌شود. فرض کنید مجموعه I شامل تمام محصولات فروشگاه است. اگر مجموعه محصولات x,y ∈ I باشد به‌طوری‌که x∩y=∅ باشد. آنگاه x → y یک قانون وابستگی است که بيان می‌کند: اگر يک مشتری اجناس مجموعه x را بخرد، اجناس مجموعه y را نيز می‌خرد. چنین قوانينی، تأثير مهمی در تعيين استراتژی‌های فروش و بخش‌بندی مشتريان دارد.
می‌توان برای تمامی قوانين انجمنی تولیدشده فاكتورهای پشتیبانی و قابلیت اطمينان را محاسبه نمود. هدف كلی در كشف قوانين انجمنی، استخراج قانون‌هايی از جدول اطلاعات است كه دارای ميزان پوشش اعتبار قابل‌قبول باشند. ميزان فاكتورهای پوشش اطمينان مورد نظر توسط كارشناسان مربوطه تعيين می‌شوند. بنابراين تمامی قانون‌ها بايد دارای حداقل پوشش و حداقل اطمينان تعيين‌شده باشند. برای شناسايی اين قانون‌ها روش‌های مختلفی وجود دارد که سه مورد از آنها عبارتند از:
- استخراج قوانین انجمنی با محاسبه مقدار lift
- استخراج حداقل قوانین انجمنی غیر زائد
- استخراج قوانین انجمنی غیر زائد Top-K
