Kết luận
Luận văn đã giới thiệu một sốkỹthuật đánh giá luật dựa trên lý thuyết tập
thô thông qua 3 độ đo: RIM, RAM, ERIM và đềxuất 2 độ đo mới WAERIM
và AIERIM đểgiải quyết hạn chếcủa độ đo ERIM.
Vì các rút gọn chứa các thuộc tính tiêu biểu nên những luật phát sinh từcác
rút gọn là những tri thức tiêu biểu cho toàn bộCSDL. Ứng với mỗi rút gọn ta
có một tập luật, một luật được xem là quan trọng nếu nó xuất hiện thường
xuyên trong các tập luật, độ đo RIM của một luật chính là tỉlệgiữa sốlượng
các tập luật chứa luật này so với tổng sốlượng các tập luật. Độ đo RIM dùng
để đánh giá mức độquan trọng của một luật và so sánh tầm quan trọng của nó
với các luật khác. Đây là một độ đo khách quan, đơn giản và tính toán khá dễ
dàng.
Độ đo RAM được đềxuất đểrút trích những luật quan trọng nhất từtập luật
dù độ đo này không có một giá trịtượng trưng cụthể. Bằng cách xem luật như
thuộc tính, độ đo này xây dựng lại bảng quyết định mới và tìm rút gọn của bảng
quyết định mới này, vì rút gọn chứa những thuộc tính tiêu biểu nên các rút gọn
của bảng quyết định mới chính là những luật tiêu biểu nhất cho toàn bộdữliệu.
Độ đo ERIM là độ đo chủquan vì giá trịcủa độ đo này được tính toán dựa
trên trọng sốcủa các thuộc tính được đánh giá bởi các chuyên gia. Từtập luật
RIM – tập luật thu được từ độ đo RIM – ta tính toán giá trịERIM cho từng
luật, những luật có giá trị độ đo RIM và ERIM cao được xem là quan trọng.
Tuy nhiên hạn chếcủa độ đo ERIM là phụthuộc vào sốlượng các thuộc tính
điều kiện trong luật, do đó luận văn đềxuất độ đo WAERIM nhưlà giải pháp
thay thếERIM.
Việc sửdụng trọng sốcủa các thuộc tính điều kiện trong quá trình đánh giá
luật giúp người dùng có thểchọn ra những luật thực sự đáng tin cậy vì các
trọng sốnày chính là ý kiến nhận định của các chuyên gia trong cùng lĩnh vực
(ERIM, WAERIM). Tuy nhiên đối với những ứng dụng không được các
chuyên gia đánh giá thì việc đánh giá tầm quan trọng của luật theo độ đo này
mang lại hiệu quảthấp, vì vậy song song với độ đo WAERIM luận văn đềxuất
độ đo AIERIM, độ đo này cũng cải tiến độ đo RIM dựa vào mức độquan trọng
của các thuộc tính điều kiện. Khác với ERIM và WAERIM, mức độquan trọng
các thuộc tính điều kiện ở độ đo AIERIM có được từchính nguồn dữliệu dùng
đểkhai phá.
Khảnăng đánh giá luật của các độ đo này được chứng minh bằng thử
nghiệm thực tếtrên 2 nguồn dữliệu Nursery và BankLoan. Cũng nhưcác độ đo
hữu ích, các độ đo dựa trên lý thuyết tập thô không phải là sựchọn lựa tốt nhất
cho tất cảcác ứng dụng, mỗi độ đo đều có những mặc hạn chếnhất định và
trong một sốtrường hợp nó không mang lại kết quảnhưmong đợi.
Hướng phát triển
- Mởrộng kỹthuật đánh giá luật bằng cách kết hợp các độ đo đã được đề
xuất, chẳng hạn kết hợp WAERIM với Confidence, AIERIM với
Support, hay sửdụng tập luật RIM đểxây dựng lại bảng quyết định mới
và tìm các luật quan trọng theo độ đo RAM
- Tiếp tục tìm hiểu các độ đo khác kết hợp giữa độ đo chủquan và khách
quan để đưa ra nhiều kỹthuật đánh giá luật hỗtrợviệc chọn lựa những
tri thức thực sựcó ích trong quá trình khai thác dữliệu.
