С помощью ассоциативных правил можно узнать, какие признаки объектов чаще всего встречаются совместно. Другими словами, ассоциативные правила определяют наиболее популярные ассоциации (связи) объектов друг с другом.
В применении к сфере госзакупок вопрос немного сужается: какие конкурсы может проводить заказчик и какие лоты могут быть включены в госзакупку? Ассоциативные правила можно использовать для определения, например, предпочтений сотрудников работать вместе и еще для массы других задач.
Работу ассоциативных правил можно проиллюстрировать на примере проведения конкурсов на госзакупки (хотя, как уже было сказано, всё это останется справедливым и для других задач). Допустим, имеется 20 лотов, в которых участвуют следующие участники (всего 51 участник):

Конкурсы, лоты и участники


  1. На первом этапе решения задачи отбираются те участники, которые участвовали хотя бы в 2 лотах и более. Для этого параметр популярность необходимо установить в 10%, т.е. оценка по 2 и более из 20 лотов. Результат – 4 участника из 51.

    Пример расчёта правил

  2. На втором этапе будут составлены все сочетания этих 4 участников: пары, тройки и т.д. Количество этих сочетаний равно n! (где n=4). Для каждого сочетания будут проверены все лоты и вычислены вероятности совместного участия, например:

    • Если участвует Росгосстрах, то в 40% случаев участвует Первая страховая компания;
    • Если участвуют Росгосстрах и Первая страховая компания, то в 100% случаев участвует Московская акционерная страховая компания;
    • Если участвует Первая страховая компания, то в 100% случаев участвует Росгосстрах;
    • Если участвует Страховое открытое акционерное общество ВСК, то в 66,67% случаев участвует Первая страховая компания и т.д.

На этом примере видно, что «прямые» и «обратные» правила не совпадают (первое – третье и второе – четвертое правила).
В результате поиска ассоциативных правил определились:

  1. Самые поддержанные ассоциативные связи участников конкурсов;
  2. Набор их ассоциаций с рассчитанной достоверностью.

При этом единственным параметром расчета послужила минимальная популярность (в примере – 10%).

Примечание

Подбор параметра Популярность в ассоциативных правилах зависит от плотности исходных данных и является неформализованным процессом. Удобные для пользователя результаты можно получить только опытным путем с пошаговым подбором значений.
  • Нет меток