ارائه الگوریتم جدید برای دنباله های ترتیبی جهت فشرده سازی آنها در فرآیند کاوش

ارائه الگوریتم جدید برای دنباله های ترتیبی جهت  فشرده سازی آنها در فرآیند کاوش

داده‌کاوی فرآیند کشف الگوهای معتبر، جدید، مفید و قابل درک است. می توان گفت داده کاوی فرآیندی است که طی آن با استفاده ازابزارهای تحلیل داده به دنبال کشف الگوها وارتباطات میان داده های موجود که ممکن است منجربه استخراج اطلاعات جدیدی ازپایگاه داده گردند می باشد. دو مثال از الگوی ترتیبی عبارتند از: " 80% مشتریانی که تلویزیون می‌خرند، در همان روز دوربین هم خواهند خرید"، " هر بار که سهام شرکت مایکروسافت 5% کاهش یابد، سهام ibm هم در خلال  3 روز 4% کاهش خواهد یافت ".

الگوی اولی کمک می‌کند که مدیریت قفسه فروشگاه را به خوبی انجام بدهیم و الگوی دومی  به شرکت کمک می‌کند که در بحران اقتصادی به درستی عمل کند. در این پژوهش ابتدا مروری را بر الگوریتم ‏های استخراج الگو انجام دادیم و براساس ترتیب تاریخی ارائه الگوریتم‏ ها آنها را مورد بررسی قرار دادیم. این الگوریتم‏ ها خود در دو دسته براساس apriori و براساس fp-growth تقسیم می‏ شوند. سپس دو الگوریتم پیشنهاد شده gokrimp و seqkrimp را با استفاده از اصل حداقل طول توصیف کمینه، یعنی الگوهایی مفیدند که بیشتر پایگاه ‏داده را فشرده می ‏کنند، را معرفی نمودیم. پس از آن روش پیشنهادی خود را معرفی کرده و نام آن را newkrimp گذاشتیم  و نتایج را بر روی پایگاه ‏داده های استاندارد مشاهده نمودیم.