MỘT CÁCH TIẾP CẬN KHAI PHÁ LUẬT KẾT HỢP MỜ SỬ DỤNG ĐẠI SỐ GIA TỬ

Nguyễn Công Hào Tập 134, Số 2A, 2025 76 Keywords: university, hedge algebra, fuzzy data mining, fuzzy association rule, marketing communications 1 Giới thiệu Khai phá dữ liệu là một quá trình quan trọng, sử dụng các kỹ thuật để tự động tìm kiếm các mẫu, mối quan hệ và thông tin hữu ích từ các bộ dữ liệu lớn. Nó biến đổi dữ liệu thô thành kiến thức giá trị, hỗ trợ đưa ra quyết định tối ưu hơn trong nhiều lĩnh vực. Mục tiêu chính là khám phá các thông tin ẩn giấu, dự đoán xu hướng và cải thiện hiệu quả hoạt động. Có nhiều kỹ thuật khai phá dữ liệu như: phân cụm (clustering), phân loại (classification), luật kết hợp (association rules), dự đoán (prediction), phân tích chuỗi thời gian (time series analysis), khám phá dữ liệu văn bản (text mining). Trong đó, kỹ thuật khai phá luật kết hợp là một kỹ thuật khá đơn giản và có nhiều ứng dụng. Tuy nhiên, khi xử lý dữ liệu không chắc chắn, dữ liệu mờ (fuzzy data) cần có kỹ thuật mở rộng luật kết hợp để đáp ứng quá trình khai phá. Luật kết hợp mờ (fuzzy association rules) là một sự mở rộng của luật kết hợp, áp dụng lý thuyết tập mờ để xử lý dữ liệu không chắc chắn, không rõ ràng. Trong khi luật kết hợp chỉ sử dụng giá trị nhị phân (có hoặc không hay 1 hoặc 0), luật kết hợp mờ cho phép thao tác với các giá trị thuộc về nhiều mức độ khác nhau (độ thuộc là một giá trị mờ thuộc [0,1]), từ đó mô tả tốt hơn các mối quan hệ phức tạp trong dữ liệu. Các tác giả đã đề xuất thuật toán luật kết hợp mờ để dự đoán bệnh nhân ung thư vú. Kết quả thực nghiệm cho thấy phương pháp này hiệu quả hơn các

phương pháp thông thường [1]. Một phương pháp khác khai phá luật kết hợp mờ để xác định mối liên kết giữa số lượng bán hàng và sản phẩm thương mại điện tử với hình dáng hàm thuộc là tam giác [2]. Một cách tiếp cận khai phá luật kết hợp mờ với việc tối ưu hóa thời gian và lưu trữ với hàm thuộc dạng tam giác và hình thang [5]. Khai phá luật kết hơp mờ cho hiệu suất nhanh và hiệu quả trong tập dữ liệu lớn và phát hiện mô hình tội phạm cộng đồng [3,4]. Khai phát luật kết hợp mờ dựa vào tối ưu hóa vùng mờ và khai phá tập mục mờ song song [7,8]. Mặc dù đã có nhiều kết quả nghiên cứu khai phá luật kết hợp mờ và ứng dụng khá rộng rãi trong thực tiễn, nhưng vẫn còn một số hạn chế do việc xây dựng các hàm thuộc của các tập mờ, phương pháp mờ hóa, khử mờ…làm ảnh hưởng không nhỏ và khả năng sai số kết quả. Để khắc phục những hạn chế này, cách tiếp cận khai phát luật kết hợp mờ sử dụng ĐSGT được các tác giả nghiên cứu và bước đầu công bố một số kết quả. Sử dụng luật kết hợp mờ từ giai đoạn mở rộng cây phân lớp với mỗi phần tử của ĐSGT là một vùng mờ [9]. Phương pháp khai phá luật kết hợp mờ sử dụng ĐSGT trong việc hỗ trợ sinh viên lập kế hoạch học tập, các cấu trúc tập mờ của các thuộc tính mờ được xây dựng dựa trên ĐSGT và có dạng đa hạt thể, cách tiếp cận này đơn giản hơn so với cách tiếp cận lý thuyết tập mờ [11]. Đối với vấn đề tuyển sinh nói chung và quảng bá tuyển sinh nói riêng là những nội dung rất quan trọng của một cơ sở giáo dục đại học nhằm thu hút người học, tạo nguồn thu chính cho