Apriori হল অ্যালগরিদম যা দৃঢ়ভাবে ঘন ঘন আইটেমসেট জেনারেশনের কম্বিনেটরিয়াল বিস্ফোরণকে সম্বোধন করেছে। এটি সূচকীয় অনুসন্ধানের ক্ষেত্রকে ছোট করতে Apriori নীতি ব্যবহার করে এটি প্রয়োগ করে। এর গুরুত্বপূর্ণ কর্মক্ষমতা বৃদ্ধি সত্ত্বেও, অ্যালগরিদম যথেষ্ট I/O ওভারহেড অর্জন করে কারণ এটির লেনদেন রেকর্ডসেটের উপর বিভিন্ন পাস করার প্রয়োজন হয়৷
Apriori অ্যালগরিদমের কাজটি লেনদেনের প্রস্থ বৃদ্ধির কারণে ঘন ডেটা সেটের জন্য অপরিহার্যভাবে অবনমিত হতে পারে। এই ত্রুটিগুলি কাটিয়ে উঠতে এবং Apriori, অ্যালগরিদমের কার্যকারিতা বাড়ানোর জন্য বেশ কিছু পদ্ধতি তৈরি করা হয়েছে৷
নিম্নলিখিত এই পদ্ধতিগুলির একটি উচ্চ-স্তরের বর্ণনা যা নিম্নরূপ -
আইটেমসেট জালির ট্রাভার্সাল − ঘন ঘন আইটেমসেটের জন্য একটি অনুসন্ধান আইটেমসেট জালিতে একটি ট্রাভার্সাল হিসাবে বিবেচনা করা যেতে পারে। একটি অ্যালগরিদম পদ্ধতি দ্বারা নিযুক্ত অনুসন্ধান পদ্ধতিগুলি ঘন ঘন আইটেমসেট জেনারেশন পর্বের সময় কীভাবে জালির আর্কিটেকচারটি অতিক্রম করা হয়। জালিতে ঘন ঘন আইটেমসেটের গঠনের উপর ভিত্তি করে কিছু অনুসন্ধান পদ্ধতি অন্যদের থেকে উচ্চতর।
সাধারণ-থেকে-নির্দিষ্ট বনাম নির্দিষ্ট-থেকে-সাধারণ − Apriori অ্যালগরিদমের একটি সাধারণ-থেকে-নির্দিষ্ট অনুসন্ধান পদ্ধতির প্রয়োজন, যেখানে প্রার্থীর কে-আইটেমসেটগুলি পাওয়ার জন্য ঘন ঘন (k-l)-আইটেমসেটের জোড়া একত্রিত করা হয়। এই সাধারণ-থেকে-নির্দিষ্ট অনুসন্ধান পদ্ধতিটি দক্ষ, একটি ঘন ঘন আইটেমসেটের সর্বাধিক দৈর্ঘ্য সমর্থিত।
একটি নির্দিষ্ট-থেকে-সাধারণ অনুসন্ধান পদ্ধতি আরও সাধারণ ঘন ঘন আইটেমসেটগুলি আবিষ্কার করার আগে আরও নির্দিষ্ট ঘন ঘন আইটেমসেটের জন্য প্রথমে দেখায়। ঘন লেনদেনে সর্বাধিক ঘন ঘন আইটেমসেটগুলি খুঁজে পেতে এই পদ্ধতিটি উপকারী, যেখানে ঘন ঘন আইটেমসেট সীমানা জালির নীচের দিকে অবস্থিত৷
Apriori নীতিটি সর্বাধিক ঘন ঘন আইটেমসেটের কিছু উপসেট ছাঁটাই করতে ব্যবহার করা যেতে পারে। বিশেষ করে, যদি একজন প্রার্থীর কে-আইটেমসেট সর্বাধিক ঘন ঘন হয়, তবে এটির k - 1 আকারের কোনো উপসেট নির্ধারণ করতে হবে না। তবে প্রার্থী k-আইটেমসেটটি কদাচিৎ হলে, এটির k - 1 উপসেটের সমস্ত পরীক্ষা করতে হবে পরবর্তী পুনরাবৃত্তিতে।
আরেকটি পদ্ধতি হল সাধারণ-থেকে-নির্দিষ্ট এবং নির্দিষ্ট-থেকে-সাধারণ অনুসন্ধান পদ্ধতি উভয় সংযোগ করা। এই দ্বিমুখী পদ্ধতির প্রার্থীর আইটেমসেটগুলি সংরক্ষণ করার জন্য আরও জায়গার প্রয়োজন ছিল, তবে এটি ঘন ঘন আইটেমসেট সীমানাকে অবিলম্বে সনাক্ত করতে সহায়তা করতে পারে৷
সমমান শ্রেণী − ট্রাভার্সাল কল্পনা করার আরেকটি পদ্ধতি আছে প্রথমে জালিটিকে নোডের (বা একই ক্লাস) একটি বিচ্ছিন্ন দলে ভাগ করা। একটি ঘন ঘন আইটেমসেট জেনারেশন অ্যালগরিদম অন্য একটি সমতুল্য শ্রেণীতে পরিবর্তন করার আগে একটি নির্দিষ্ট সমতুল্য শ্রেণীর মধ্যে ঘন ঘন আইটেমসেটগুলি অনুসন্ধান করে৷
Apriori-এ ব্যবহৃত স্তর-ভিত্তিক পদ্ধতি, অ্যালগরিদমকে আইটেমসেট আকারের সমর্থনে জালিকে বিভাজন হিসাবে বিবেচনা করা যেতে পারে; অর্থাৎ, অ্যালগরিদম উচ্চ-আকারের আইটেমসেটগুলিতে অপারেশন করার আগে কিছু ঘন ঘন 1-আইটেমসেট খুঁজে পায়। একটি আইটেমসেটের উপসর্গ বা প্রত্যয় লেবেল অনুসারে সমতুল্য শ্রেণীগুলিও উপস্থাপন করা যেতে পারে।
