A Best-First Strategy for Finding Frequent Sets

The association rule discovery problem consists in identifying frequent itemsets in a database and, then, forming conditional implication rules among them. The algorithmically most difficult part of this task is finding all frequent sets. There exists a wealth of algorithms both for the problem as such and for variations, particular cases, and generalizations. Except for some recent, fully different approaches, most algorithms can be seen either as a breadthfirst search or a depth-first search of the lattice of itemsets. In this paper, we propose a way of developing best-first search strategies. RÉSUMÉ. Le problème de la quête de règles d’association consiste en l’identification d’itemsets fréquents dans une base de données, et puis en produir des règles. La difficulté algorithmique la plus importante de cette tâche est celle de chercher tous les itemsets fréquents. Il y a beaucoup d’algorithmes pour ce même problème et pour les plusieurs variations. Sauf récents solutions très différentes, la majorité des algorithmes peuvent être classifiés en largeur d’abord (breadthfirst) ou profondeur d’abord (depth-first). Nous proposons une façon de déveloper la quête pour les théchniques du meilleur d’abord (best-first).