Uso de conocimiento impreciso de usuario para reducir redundancia en reglas de asociación

La reducción de redundancia en reglas de asociación es una dificultad. Se convierte en una limitación para usar modelos de reglas para dar soporte a la toma de decisiones. Recientemente se ha propuesto una técnica basada en conocimiento del usuario, que apunta a la eliminación de la redundancia. Sin embargo, ignora la naturaleza imprecisa del conocimiento. En este artículo la noción de redundancia del conocimiento se generaliza y se desarrolla un método de propagar la certeza del usuario sobre reglas derivadas. Se usan modelos de factor de certeza. Los resultados obtenidos han mostrado una reducción del modelo del 50% con conocimiento previo por debajo del 3%. Este método mejora la eficiencia de las reglas de asociación y el uso de reglas de asociación descubiertas.