چکيده
استخراج متناوبترين الگوها يكي از محبوبترين شاخههاي داده كاوي است. در طي ۲0 سال اخير الگوريتمهاي
داده كاوي زيادي روي مجموعه دادههاي متنوع اعمال شدددهاند تا بتوانند مجموعه الگوهاي پر تكرار را پيدا كنند
و رابطه مخفي بين آنها را كشدف كنند. هرچقدر مقدار دادهها بيشدتر شدود انجام اين كار نيز سدختتر شدده و
چالشهاي آن بيشتر مي شود. اكثر اين الگوريتمها از لحاظ محا سباتي گران هستند و زمان و حافظه زيادي نياز
دارند تا بتوانند متناوبترين الگوها را در يك مجموعه داده بزرگ به دسدددت آورند. اين سدددمينار به بررسدددي ۴
الگوريتم براي پ يدا كردن مت ناوبترين الگو ها در پاي گاه داده هاي بزرگ ميپردازد. ت فاوت اين الگوريتم ها با
الگوريتمهاي ديگر در اين اسدددت كه براي انجام اين كار نياز به حافظه و زمان كمتري دارند. اين الگوريتمها از
ساختارهاي جديد براي ذخيره اطلاعات الگوها، كاهش ف ضاي ج ستجو و افزايش سرعت ك شف الگوها ا ستفاده
ميكنند. همچنين ارزيابيهاي صورت گرفته روي آنها مشخص ميكند كه اين الگوريتمها بسيار كارآمد هستند.
