摘 要

   

    從交易資料庫中探勘高頻項目集，是資料探勘領域中最重要的研究問題之一。本論文以交易資料為探勘的資料來源，每一筆交易資料包含消費者曾經購買的產品項目，從兩方面探勘高頻項目集：一是修改CDAR (cluster-decomposition association rule)演算法對交易資料分群的方式，設計一個 CDPL (clustering the databasewith the prefix item and the length of transaction data)演算法探勘高頻項目集。從實驗評估中顯示，CDPL 演算法的執行效率優於 CDAR 演算法探勘出高頻項目集；二是考量當有新增或刪除交易資料的情況，以 CDPL 演算法的探勘步驟為基礎，設計一個 UCDPL (updating association rules with the CDPL algorithm)演算法更新高頻項目集。從效能實驗中顯示，當有新增或刪除交易資料時，UCDPL 演算法可以很有效率更新高頻項目集。

    關鍵字：資料探勘、高頻項目集、CDAR、CDPL、UCDPL