يعد تعلُّم قواعد الارتباط Association rule learning طريقة تعلم تستند إلى القواعد لاكتشاف العلاقات المثيرة للاهتمام بين المتغيرات في قواعد البيانات الكبيرة. الغرض منه هو تحديد القواعد القوية المكتشفة في قواعد البيانات باستخدام بعض المقاييس. ويولد ذلك قواعد جديدة لأنه يحلل المزيد من البيانات.
ما هو تعلُّم قواعد الارتباط Association rule learning؟
تعلُّم قواعد الارتباط Association rule learning هو أسلوب قائم على التعلم الآلي وتقنية التنقيب عن البيانات الذي يجد العلاقات المهمة بين المتغيرات أو الميزات في مجموعة البيانات. على عكس خوارزميات الارتباط التقليدية conventional association algorithms التي تقيس درجات التشابه ، تعلم قواعد الارتباط Association rule learning يحدد الارتباطات المخفية في قواعد البيانات من خلال تطبيق بعض مقاييس الاهتمام لإنشاء قاعدة ارتباط لعمليات البحث الجديدة.
كيف يعمل تعلُّم قواعد الارتباط Association rule learning؟
تحسب خوارزميات تعلم قواعد الإرتباط عدد مرات التكرار أو الارتباطات التكميلية عبر مجموعة كبيرة من العناصر أو الإجراءات. الهدف هو العثور على الارتباطات التي تحدث معًا في كثير من الأحيان أكثر بكثير مما قد تجده في أخذ عينات عشوائية من الاحتمالات. هذا النهج القائم على القواعد هو أداة سريعة وقوية للتنقيب عن قواعد البيانات غير الرقمية المصنفة.
من الأمثلة الشائعة لهذه الخوارزمية تحليل مبيعات التجزئة للعثور على أفضل طريقة لوضع العناصر في المتجر. في متجر به مليون معاملة سنويًا ، قد تشمل 10000 عملية بيع حفاضات الأطفال حديثي الولادة و 100000 تشمل شفرات الحلاقة. للوهلة الأولى ، تبدو حفاضات الأطفال حديثي الولادة وشفرات الحلاقة مستقلة إحصائيًا ، دون أي ارتباط واضح. لكن التنقيب عن القواعد سيحفر بشكل أعمق في تكرار المعاملات ويكتشف أن 5000 عملية بيع تشمل كلا العنصرين.
لذلك بدلاً من مجرد معرفة أن 1٪ من المتسوقين يشترون حفاضات و 10٪ يشترون شفرات حلاقة ، يولد نظام الارتباط قاعدة جديدة مفادها أن 50٪ من جميع المتسوقين الذين يشترون حفاضات الأطفال حديثي الولادة سيشترون أيضًا شفرات حلاقة ، والتي يمكن أن تكون معلومات مفيدة للحملات التسويقية.
بنفس القدر من الأهمية ، يعمل النهج القائم على القواعد على تحسين الأداء وإنشاء قواعد جديدة أثناء تحليل المزيد من البيانات. مع وجود مجموعة بيانات كبيرة بما يكفي ، يسمح هذا للجهاز بتقليد استخراج ميزات الدماغ البشري وقدرات الارتباط المجردة من البيانات الخام. نفس التقنية الأساسية لها تطبيقات أخرى لا حصر لها أيضًا
الاستخدامات العملية لتعلم قواعد الإرتباط Association rule learning
• تحليل بيانات سلة المشتريات – سواء كنت تخطط لوضع منتج في واجهة المتجر ، تشغيل حملة تسويقية ، أو تصميم كتالوج أعمال ، فإن التنقيب عن الإرتباطات يعد أداة مفيدة للتخلص من التخمين فيما يبحث عنه عملاؤك.
• التنقيب عن استخدام الويب واكتشاف التسلل – يعد العثور على هذه الارتباطات المخفية أداة تنبؤية قوية لاكتشاف التهديدات الأمنية الجديدة تمامًا ومشكلات أداء الشبكة التي لم يتم تحليلها مسبقا من قبل الإنسان.
• المعلوماتية الحيوية أو علم الأحياء الحاسوبير Bioinformatics – من علم الأحياء إلى علم الهندسةوكل شيء بينهما ، يعد التعدين الجماعي أحد الأدوات التأسيسية التي يتم الانتقال إليها لتحديد التقنيات التي يتم التغاضي عنها والتي يحتمل أن تكون مفيدة.
يمكن مشاهدة الفيديو التالي لتوضح الفكرة أكثر يمكن تفعيل الترجمة العربية للفيديو – الترجمة تلقائية –
