Evaluación de Reglas de Asociación en Text Mining Utilizando ...

de los cuales se generan reglas de asociación en procesos tanto de Data Mining como de Text
Mining.
Existe una gran cantidad de técnicas para generar reglas de asociación, entre los cuales
destacan los algoritmos Apriori [11] y Aclose o Close Algorithm [29,30].
Algoritmo Apriori
El algoritmo Apriori [11] permite realizar minería en itemsets frecuentes de reglas de
asociación del tipo Boolean. Un itemset es un conjunto de ítems y un itemset frecuente se
entiende como un itemset que supera un umbral mínimo de support (minsupport). El nombre
“Apriori” proviene del hecho que el algoritmo utiliza cierto conocimiento previo de las
propiedades de los itemsets frecuentes. Apriori utiliza un enfoque iterativo conocido como
Búsqueda por niveles (level-wise search), en el cual los itemsets de k elementos (k-itemsets)
son usados para explorar (k+1)–itemsets. Como primer paso, el algoritmo genera el conjunto
frecuente de un elemento, (1–itemset), denominado L1, posteriormente a partir de L1 se
genera L2 y, así, sucesivamente hasta que no se pueden generar más k-itemsets frecuentes. La
estructura general del algoritmo es la siguiente:
Sea Ck: itemset candidato de tamaño k
Lk: itemset frecuente de tamaño k
L1={ítems frecuentes}
For (k=1;Lk Φ; k++)
Ck+1 = Candidatos generados desde Lk
for cada transacción t en la base de datos do
incrementar la cuenta de todos los candidatos en Ck+1 que están contenidos en t
Lk+1= Candidatos en Ck+1 con mínimo support
End for
return Lk
Para mejorar la eficiencia de la generación de los itemsets frecuentes se utiliza la
propiedad Apriori. Esta reduce el espacio de búsqueda de itemsets frecuentes, estableciendo
que todo subconjunto no vacío de un itemset frecuente también es frecuente. Es decir, un
conjunto X de ítems puede ser frecuente sólo si todos los subconjuntos de ítems son
frecuentes.
Así, la tarea de encontrar todos los itemsets frecuentes se reduce a obtener conjuntos
frecuentes de un elemento, luego de dos elementos, hasta conjuntos de k elementos. Por
ejemplo, la figura 5 representa una base de datos D con cinco items (m=5), desde la cual se
puede generar de 2 m conjuntos de ítems o itemsets. En la figura 5 se muestran todos los ítems
que son generados a partir de la base de datos D. En este lattice los itemsets remarcados son
lo que poseen un support ≥2, es decir, itemsets frecuentes en la base de datos D dado un
minsupport=2.
20