A comparative analysis of algorithms for mining frequent itemsets and their usage

Abstract

В настоящей работе была решена актуальная на сегодняшний день задача проведения сравнительного анализа алгоритмов поиска часто встречающихся наборов с целью выявления наиболее эффективного из них. До появления данного исследования никто не проводил единовременного сравнения всех существующих алгоритмов в равных условиях. Помимо этого, сформирована методологию сравнительного анализа, которая может быть применена по отношению к любым эвристическим алгоритмам. Важным итогом работы стало появление критерия выбора вычислительно оптимального алгоритма, исходя из характеристик исходных данных. Этот результат может быть применён в любой задаче, использующей поиск часто встречающихся наборов. Одна из таких задач, положившая начало данному исследованию, была решена — были построены профили заведений крупной сети ресторанов. Результаты работы были внедрены в реальное предприятие.

This article contains solution of the relevant problem of comparative analysis of algorithms for mining frequent itemsets. The goal was to find the most effective approach. Before this research appeared there hadn't been any comparatives which include all existed algorithms. Moreover, the methodology of comparative analysis, made in this work, can be applied to any other algorithms based on heuristics. Besides, one of the most important result of this research is the criterion of choosing optimal algorithm. It is based on metrics of source data. This criterion is able to be applied to any other problem used finding frequent itemsets. For instance, one of these problems was solved in this paper and the results were established to the real business.