Extracción de reglas de asociación a partir de itemsets cerrados frecuentes e itemsets maximales frecuentes.

Abstract

Los resultados de los algoritmos de extracción normalmente generan un volumen que es muy difícil de manejar por parte de los especialistas humanos provocando que se complejice la utilización de las mismas en el proceso de toma de decisiones. Existen varias alternativas encaminadas a disminuir la cantidad de reglas presentes en los modelos de reglas de asociación. Los dos representantes fundamentales de esta idea son los itemsets cerrados y los itemset maximales. Este trabajo tiene como objetivo desarrollar una aplicación que permita comparar el tamaño de los modelos de reglas de asociación generados utilizando itemsets maximales e itemsets cerrados, teniendo en cuenta la misma entrada. Se establece un marco conceptual de referencia para desarrollar la investigación en el que se determinó que los algoritmos para la extracción de reglas de asociación poseen una complejidad computacional elevada.