Semi-supervised Association Rule Mining

Penambangan aturan asosiasi standar menemukan semua pola ko-kemunculan yang sering tanpa rasa apa yang penting. Aturan asosiasi semi-terawasi mengubah ini dengan membiarkan sejumlah kecil contoh berlabel atau batasan domain mengarahkan pencarian: aturan yang selaras dengan struktur kelas yang diketahui lebih disukai daripada yang sering secara statistik tetapi tidak bermakna. Anggap saja seperti memberikan algoritma beberapa petunjuk tentang apa yang diperhatikan analis, sehingga algoritma berhenti memunculkan pola yang sepele atau sudah diketahui dan malah menyoroti hubungan yang benar-benar baru dan dapat ditindaklanjuti.