การขุดกฎการเชื่อมโยงจะค้นพบความสัมพันธ์ระหว่างรายการต่างๆ ในชุดข้อมูลโดยใช้กฎ "ถ้า A แล้ว B" ที่วัดโดยการสนับสนุน (ความถี่) และความเชื่อมั่น (ความน่าเชื่อถือ) การทำเหมืองกฎการเชื่อมโยงหลายระดับขยายสิ่งนี้เพื่อค้นหาความสัมพันธ์ในระดับรายละเอียดที่แตกต่างกัน เช่น ระหว่างผลิตภัณฑ์แต่ละรายการและหมวดหมู่ผลิตภัณฑ์
พื้นฐานกฎการเชื่อมโยง
อัลกอริธึม Apriori ใช้กันอย่างแพร่หลายสำหรับกฎสมาคมการขุด โดยจะสร้างชุดรายการผู้สมัครซ้ำๆ และตัดรายการที่ต่ำกว่าเกณฑ์การสนับสนุน/ความเชื่อมั่น
อิเล็กทรอนิกส์ แล็ปท็อป โทรศัพท์ แท็บเล็ต Dell HP ระดับ 0 ระดับ 1 ระดับ 2ประเภท
- ความสัมพันธ์หลายมิติในมิติต่างๆ (ผลิตภัณฑ์ ภูมิภาค เวลา)
- ความสัมพันธ์หลายระดับข้ามระดับรายละเอียด (แต่ละรายการ ↔ หมวดหมู่)
แนวทางการสนับสนุนเกณฑ์
แอปพลิเคชัน
- พฤติกรรมการซื้อของลูกค้ารายย่อย การเพิ่มประสิทธิภาพตำแหน่งผลิตภัณฑ์
- การระบุรูปแบบโรคของการดูแลสุขภาพ การเพิ่มประสิทธิภาพการรักษา
- การตรวจจับการฉ้อโกง การตรวจจับความผิดปกติในด้านการเงินและการประกันภัย
- การวิเคราะห์การตั้งค่าผู้ใช้ Web Mining การปรับแต่งเนื้อหา
- การตรวจจับชุมชนเครือข่ายโซเชียล การระบุผู้มีอิทธิพล
ความท้าทาย
- มิติสูง คุณลักษณะจำนวนมากเพิ่มความซับซ้อน
- ชุดข้อมูลขนาดใหญ่ ปริมาณบันทึกทำให้การประมวลผลช้าลง
- ชุดข้อมูลความสามารถในการปรับขนาดมีขนาดใหญ่เกินกว่าจะใส่ในหน่วยความจำได้จำเป็นต้องมีแนวทางแบบกระจาย
บทสรุป
การทำเหมืองกฎการเชื่อมโยงหลายระดับจะค้นพบความสัมพันธ์ในระดับรายละเอียดที่แตกต่างกันซึ่งการทำเหมืองระดับเดียวจะพลาดไป ทางเลือกของแนวทางเกณฑ์การสนับสนุน (สม่ำเสมอ ลดลง หรือตามกลุ่ม) จะทำให้การค้นพบรูปแบบสมดุลกับต้นทุนการคำนวณ มีการนำไปใช้อย่างกว้างขวางในการค้าปลีก การดูแลสุขภาพ การตรวจจับการฉ้อโกง และการขุดบนเว็บ
