Diseño de una metaheurística para reglas de asociación en bases de datos transaccionales

Abstract

La minería de reglas de asociación se ha convertido en un área de interés en los últimos años. La misma ha sido aplicada para reconocer hábitos de compra, análisis de crímenes, en la bioinformática, medicina, seguridad de redes, entre otros. El objetivo de la Minería de Reglas de Asociación (RAs) es encontrar asociaciones interesantes de la forma "si antecedente entonces consecuente", entre combinaciones de los valores de los atributos o ítems que describen a los objetos de un conjunto de datos. En el enfoque tradicional de minado de reglas de asociación, se generan un gran número de reglas, seleccionar entre ellas un subconjunto de reglas de utilidad es una tarea costosa. Por esta razón, en la literatura se ha propuesto el uso de algoritmos de optimización como alternativa de solución. Al respecto, en la literatura se presenta el algoritmo Enjambre de partículas (PSO) como uno de los que tiene un mejor desempeño en cuanto al corto tiempo de ejecución que emplea a la hora de minar RAs. Sin embargo, este algoritmo tiene como de ciencia que tiende a converger prematuramente en reglas con bajos valores de aptitud (soporte y confianza) en conjuntos de datos con gran cantidad de ítems. Por ello, en esta Tesis se propone un algoritmo metaheurístico basado en el algoritmo PSO, que mina reglas de asociación sin la necesidad de obtener los patrones frecuentes e introduce un método de búsqueda guiada que estimula el minado de reglas de asociación de calidad. Además, de proponer la integración de una estructura de datos resumen que reduce el número de las con respecto al conjunto de datos original, con la intención de reducir el tiempo de ejecución empleado por el algoritmo. De acuerdo con los experimentos realizados, el algoritmo propuesto obtiene un conjunto de reglas de asociación de mayor calidad que las obtenidas por otros algoritmos basados en PSO para el minado de reglas de asociación. Además, se puede apreciar que el tiempo de ejecución alcanzado por el algoritmo propuesto es competitivo con respecto a las propuestas con que fue comparado. Por ultimo, el algoritmo propuesto mantiene un desempeño estable al variar el número de ítems y transacciones existentes en el conjunto de datos. Es decir que independientemente de la naturaleza y volumen de los datos tiende a generar un subconjunto de reglas de interés para el problema de estudio.