Abstract
資料探勘在近幾年來以成為資料庫領域中一項熱門研究的課題。而其之所以具有如此無法可擋的吸引力乃是由於資料探勘的廣泛應用性，如決策提供，市場策略分析，以及統計學上的分析。當許許多多的資料被收集，便形成所謂的資料庫。然而在一個龐大的資料庫中，往往隱藏著一些對使用者非常有用且有意義的資訊，且這些資訊是無法經由觀察來獲得的。例如"在所有購買牛奶類產品的顧客中，有百分之八十的顧客都會在購買麵包類產品"便是對使用者有用的資訊而以上資訊我們便稱之為"關連性法則"。所以找出資料庫中所有對使用者有意義的關連式法則便是資料探勘的主要目的。資料庫是有許多筆資料所組成，而每一筆資料則包含了一些不同的物件，而不同的物件所形成的集合我們稱之為物件群；因此每一筆資料我們也可說是一個物件群。當某一個特別的物件群在資料庫中出現的頻率大於使用者所定義的最小出現頻率時，此物件便稱之為頻繁物件群；之後藉著分解所有的頻率物件群，我們便能推導出所有對使用者有意義的關連式法則。所以資料探勘初期有兩件工作，一件事找出所有的最小物件群，另一件則是推倒出所有有意義的關連式法則；由於第一件工作決定了初期大部份的時間，所以資料探勘初期的工作也可簡化為找出所有的頻率物件群。不幸的是一個資料庫往往是"變動的"，意思也就是說使用者會定期或是突發的對資料庫做一些更動的動作，而這些動作包括了加入新資料，移除舊資料兩類的動作。但是兩種不同的動作卻可能對資料庫產生相同的影響：產生心的關連式法則或使之前的關連性法則不再適用。所以資料探勘後期的工作就是：當資料庫遭遇變動時要如何有效且快速的維護那些關連式法則。在本篇論文中主要目的就是提出了一個有效的方法來處理資料探勘後期的關連式法則維護工作，同時我們也提出了理由級數據以證明我們的演算法的確能的到不錯的效率；最後提到我們未來可能的研究方向。