الگوریتم آپریوری نیمهنظارتی
الگوریتم آپریوری نیمهنظارتی، کاوشگر مجموعه اقلام پرتکرار کلاسیک آپریوری را با تزریق دانش پیشزمینه یا محدودیتهای برچسبدار - مانند جفتهای باید-مرتبط، اقلام ممنوعه، یا آستانههای پشتیبانی حداقل مشخصشده توسط کاربر برای هر گروه - گسترش میدهد تا کشف را به سمت قوانین انجمنی معنادار عملی سوق داده و فضای جستجو را کاهش دهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 487–499. link ↗
- Liu, B., Hsu, W., & Ma, Y. (1999). Mining association rules with multiple minimum supports. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 337–341. DOI: 10.1145/312129.312274 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/fa/machine-learning/semi-supervised-apriori-algorithm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- کاوش قوانین انجمنی (آپریوری)یادگیری ماشین↔ compare
- فیلترکردن مشارکتییادگیری ماشین↔ compare
- FP-Growth (رشد الگوی پرتکرار)یادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →