آزاده سلطانی - گروه مهندسی کامپیوتر، دانشگاه بجنورد، بجنورد
محمود سلطانی - گروه مهندسی کامپیوتر، دانشگاه صنعتی قوچان، قوچان

مسئله استخراج مجموعه اقلام با ارزش بالا توسعه ای از مسئله کشف قوانین انجمنی است که دو هدف را دنبال می کنند؛ اول اینکه اقلام بتوانند بیش از یک بار در تراکنشها حضور داشته باشند و همچنین ارزش و اهمیت اقلام یکسان در نظر گرفته نشود. از نقاط ضعف روشهای ارائه شده برای این مسئله، این است که در آنها، مجموعه هایی با تعداد اقلام بیشتر، شانس بیشتری برای انتخاب شدن به عنوان مجموعه ی با ارزش دارند. در صورتیکه در دنیای واقعی اینگونه نیست و مجموعه هایی با تعداد اقلام بالا ارزش زیادی برای تصمیم گیری ندارند. به منظور حل این مشکل، الگوریتمهای متعددی معرفی شد ه اند که هدفشان یافتن مجموعه هایی با متوسط ارزش بالاست. اگرچه تلاشهای خوبی در این زمینه انجام پذیرفته است، هنوز نیاز به الگوریتمهایی با کارایی بالاتر وجود دارد. در این تحقیق الگوریتم EFIM که روشی کارا در استخراج مجموعه هایی با ارزش بالاست را به گونه ای توسعه داده ایم که بتواند مجموعه اقلام با متوسط ارزش بالا را بیابد. آزمایشهای انجام شده نشان میدهد روش پیشنهادی کارایی بهتری نسبت به روش MHAI دارد.

داده کاوی، الگوهای پرتکرار، الگوهایی با متوسط ارزش بالا، الگوریتم EFIM.