سیاوش فخری - دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
حمید رستگاری - دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.
مهدی شریفی - دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.

در جهان امروز، حجم زیادی از داده ها به طور مداوم توسط بسیاری از برنامه های کاربردی علمی مانند بیوانفورماتیک یا شبکه ها ایجاد می شوند. برای استخراج ارزش از این مجموعه داده های پیچیده، الگوریتم های استخراج داد ه ی مختلفی برای کشف ارتباطات پنهان و غیر بدیهی بین داده ها استفاده شده است. استخراج مجموعه آیتم های پرتکرار یکی از مهمترین تکنیک های استخراج دانش از داده ها در بسیاری از برنامه های دنیای واقعی است. الگوریتم های مختلفی به طور گسترده برای استخراج مجموعه آیتم های پرتکرار از مجموعه های داده استفاده شده است. با این حال، فرآیند استخراج مجموعه آیتم های پرتکرار با چالش های فضای حافظه محدود و قدرت محاسبات روبه رو است. اعمال الگوریتم های استخراج مجموعه آیتم های پرتکرار سنتی برای کار بر روی داده های بزرگ، بسیار وقت گیر است. محاسبات موازی و توزیع شده استراتژی موثر و اغلب استفاده شده برای سرعت بخشیدن به الگوریتم ها برای مجموعه داده های بزرگ است. در این مقاله، به مرور کارهای انجام شده در این زمینه پرداخته شده است

الگوریتم های توزیع شده، الگوریتم های موازی، الگوهای پرتکرار، قوانین انجمنی، اسپارک، هدوپ