khó, có độ phức tạp cao. Khi ứng dụng trong thực tế với cơ sở dữ liệu lớn (như dữ liệu bán hàng của siêu thị), giải thuật gốc áp dụng nguyên lý Apriori vẫn còn một số hạn chế không cho ra lời giải trong một thời gian và không gian nhớ trong hợp lý.
Việc nghiên cứu tìm hiểu các khó khăn, hạn chế của giải thuật cố gắng đưa ra các giải pháp để làm giảm chi phí để có được một cài đặt hoàn chỉnh hơn. Hiện nay hướng nghiên cứu mới chỉ tập trung nghiên cứu về việc giảm chi phí cho cho giải thuật theo nguyên lý Apriori. Một số bài báo gần đây cho thấy việc đi theo hướng DFS (Depth First Search – như Partition, Eclat) thay vì BFS (Breadth First Search – như các thuật giải theo nguyên lý Apriori) có nhiều ưu điểm bằng cách loại bỏ sớm các transaction t không cần thiết. Ngoài ra, một số bài báo cũng đi theo hướng tiếp cận Genetic áp dụng trong quá trình phát sinh ra các ứng viên sáng giá hoặc áp dụng việc kiểm tra riêng phần cho
ra kết quả gần đúng. Hiện tại em đang tìm hiểu các hướng nghiên cứu này để đánh giá kết quả của chúng so với các hướng tiếp cận áp dụng nguyên lý Apriori.
Do bị giới hạn về mặt thời gian, bài tập này chỉ hoàn thành ở mức cơ bản, mang một qui mô nhỏ. Trong quá trình thực hiện, em đã thực hiện được những công việc sau:
Tìm hiểu các khó khăn, hạn chế của giải thuật tìm các tập phổ biến và luật kết hợp; đưa ra các giải pháp để làm giảm chi phí để có được một cài đặt hoàn chỉnh hơn
Cài đặt chương trình mô phỏng tìm các tập phổ biến và luật kết hợp.
Tài liệu tham khảo