มี 2 แนวทางในการกำหนด expected support ของ pattern โดยใช้ (a) concept hierarchy และ (b) neighborhood-based approach เรียกว่า indirect association
Support Expectation Based on Concept Hierarchy (การคาดหวัง Support จากลำดับชั้นแนวคิด)
Objective measures เพียงอย่างเดียวอาจไม่พอที่จะกรอง uninteresting infrequent patterns ตัวอย่าง bread และ laptop computer เป็น frequent items แม้ itemset {bread, laptop computer} จะเป็น infrequent และอาจ negatively correlated แต่ไม่น่าสนใจ เพราะความขาด support นั้นชัดเจนต่อ domain experts จึงต้องการ subjective approach สำหรับกำหนด expected support เพื่อป้องกันการสร้าง infrequent patterns แบบนี้
Support Expectation Based on Indirect Association (การคาดหวัง Support จาก Indirect Association)
พิจารณาคู่ items (a, b) ที่ถูกซื้อร่วมกันน้อยมาก (exceptionally) ถ้า a และ b เป็น unrelated items เช่น bread และ DVD player support คาดว่าจะต่ำ กล่าวคือ ถ้า a และ b เป็น related items support คาดว่าจะสูง Expected support คำนวณได้จาก concept hierarchy แสดงแนวทางกำหนด expected support ระหว่างคู่ items โดยดู items อื่นที่มักซื้อร่วมกับทั้งสอง items นี้
ตัวอย่าง ลูกค้าซื้อ sleeping bag มักซื้อ camping supplies อื่นๆ ขณะที่ซื้อ desktop computer มักซื้อ computer accessories เช่น optical mouse หรือ printer ไม่มี item อื่นที่ซื้อร่วมกับทั้ง sleeping bag และ desktop computer support ของ unrelated items นี้คาดว่าต่ำ
อีกด้านหนึ่ง diet และ regular soda ถูกซื้อร่วมกับ chips และ cookies แม้ไม่ใช้ concept hierarchy ทั้งคู่คาดว่า related ค่อนข้างมาก support ควรสูง แต่ actual support ต่ำ ทำให้ diet และ regular soda กลายเป็น impressive infrequent pattern patterns แบบนี้เรียกว่า indirect association patterns
Indirect association มี applications หลายอย่าง เช่น market basket domain a และ b อาจเป็น competing items เช่น desktop และ laptop computers ใน text mining ใช้ระบุ synonyms, antonyms, หรือคำที่ใช้ในบริบทต่างๆ ตัวอย่าง จากชุดเอกสาร คำ "data" อาจ indirectly related กับ "gold" ผ่าน mediator "mining"
