Sachin Sharma, Vidushi Singhal et Seema Sharma
La recherche en exploration de données développe des algorithmes rapides et efficaces pour extraire des connaissances à partir de bases de données volumineuses. Il existe plusieurs algorithmes d'exploration de données disponibles pour résoudre divers problèmes d'exploration de données. Ils sont principalement classés comme associations, classifications, modèles séquentiels et clustering. Apriori est l'un des algorithmes les plus importants utilisés dans l'exploration d'associations de règles. Dans cet article, nous discutons des limites de l'algorithme Apriori existant et proposons ensuite une amélioration pour améliorer son efficacité. Les inconvénients du système existant peuvent produire un plus grand nombre d'ensembles d'éléments candidats et analyser la base de données plusieurs fois. L'algorithme proposé est basé sur l'analyse inverse d'une base de données donnée. Si certaines conditions sont satisfaites, l'algorithme proposé peut réduire considérablement les temps d'analyse nécessaires à la découverte d'ensembles d'éléments candidats. Par conséquent, beaucoup de temps et d'espace ont été économisés lors de la recherche d'ensembles d'éléments fréquents
English 
Spanish 
Chinese 
Russian 
German 
Japanese 
Portuguese 
Hindi