Resumen de Reducción de tamaño en Modelos de Reglas de Asociación: Una revisión sistemática de la literatura

Julio César Díaz Vera, Guillermo Manuel Negrín Ortiz, Carlos Molina Fernández , María- Amparo Vila Miranda

• español

  Las Reglas de Asociación constituyen una de las tareas de minería de datos más estudiadas y aplicadas quizás porque su representación hace que sean fácilmente aceptadas e interpretadas por agentes humanos. Su principal debilidad está asociada a la gran cantidad de reglas que son generadas para casos relativamente sencillos y que hacen imposible su análisis manual para determinar cuáles son las reglas relevantes. El objetivo de este trabajo es ejecutar una revisión sistemática de la literatura en el campo de la reducción del tamaño de los modelos de reglas de asociación con vistas a caracterizar y presentar el estado del arte de esta temática e identificar nuevas oportunidades de investigación. El análisis de los resultados muestra que la mayoría de los esfuerzos se enfocan hacia la eliminación de reglas redundantes pero este enfoque se está desplazando desde definiciones de redundancia asociadas a la estructura de las reglas hacia la inclusión del conocimiento de los usuarios dentro del proceso.

• English

  Association Rules are one of the most studied and applied techniques in Data Mining. This is because they are easily accepted an interpreted by human agents. Association Rules main handicap is the great cardinality of models that even in simple datasets produce too many rules to be, manually, analyzed by experts in order to find those that are relevant ones. The objective of this paper is to carry out a systematic literature review in the field of size reduction in association rules models, to characterize and present the state of the art of this field. From the analysis of the results, it could be observed that most works focus on redundancy elimination but they are moving from redundancy definition associated to rule structure to redundancy definitions based on user knowledge and preference.