Exploração de Agrupamento de Regras de Associação via Medidas Objetivas

Resumo

Muitas medidas de avaliação objetivas (MOs) foram propostas nos últimos anos como meio de pós-processar regras de associação. Desse modo, o primeiro desafio durante um processo de exploração é decidir qual MO utilizar. Para tanto, pode-se: (a) reduzir o número de MOs a serem selecionadas; (b) agregar valores de MOs em um único valor de importância como meio de não ter que selecionar uma MO adequada. O problema relacionado a (a) é que muitas MOs podem ainda remanescer. Em relação a (b), uma equação ótima, que deriva um valor único, é geralmente obtida, a qual pode não ser muita bem compreendida pelo usuário. Nesse contexto, [Carvalho et al., 2015] propõem um processo para agrupar regras de associação, tendo como base a similaridade existente entre os rankings obtidos por um conjunto de MOs, de modo a direcionar o usuário aos padrões interessantes do domínio. A ideia é resolver o problema relacionado a identificação de um conjunto adequado de MOs, combinando implicitamente MOs, sem usar nenhum método de otimização. Desse modo, com esse processo (i) não é necessário selecionar um conjunto adequado de MOs, nem agregar explicitamente muitas MOs, a fim de ranquear as regras para encontrar aquelas consideradas interessantes; (ii) o espaço de exploração pode ser reduzido uma vez que considera-se que existe um subconjunto de grupos que contém todas as regras interessantes, de tal modo que um pequeno número de grupos tenha que ser explorado. Entretanto, o processo apresenta algumas lacunas a serem exploradas.Diante do exposto, este projeto de Iniciação Científica tem como objetivo aprimorar o processo proposto por [Carvalho et al., 2015] a fim de: (a) explorar meios de ranquear os clusters de modo que o usuário explore apenas os n primeiros grupos (aqueles que irão conter os padrões interessantes); (b) explorar outros meios de ranquear as regras dentro dos clusters para tentar obter melhores resultados; (c) explorar os resultados do processo quando as MOs utilizadas no agrupamento são redundantes (i.e., levam ao mesmo ranqueamento).