Reglas de Asociación con los datos de una biblioteca universitaria

Association Rules for university library data

María Alejandra Malberti Riveros ^1*, Graciela Elida Beguerí¹

¹ Departamento de Informática. Facultad de Ciencias Exactas, Físicas y Naturales. Universidad Nacional de San Juan. Av. Ignacio de la Roza 590 (O), Complejo Universitario "Islas Malvinas", Rivadavia, San Juan, Argentina. CPA: J5402DCS.

* Autor para correspondencia: amalberti@gmail.com

RESUMEN

Con el objetivo de promover e impulsar el uso de los recursos de la biblioteca y a la vez facilitar la labor por parte de su personal, en este trabajo se describe el uso de Minería de Datos, descubrimiento de Reglas de Asociación, en una biblioteca universitaria. Esta tecnología se aplicó a datos de circulación de libros con el propósito  de ayudar a proyectar la conveniencia en la disposición física del material librario. En el análisis se plantearon dos escenarios llamados “Espacios Físicos Cerrados” y “Espacios Físicos Abiertos”. El primer escenario refiere a las estanterías de libros que sólo pueden ser accedidas por el personal de la unidad, mientras que el segundo considera estanterías de libre acceso por parte de las personas que concurren a la biblioteca en búsqueda de libros. Para descubrir reglas de asociación relevantes se consideraron, además de las medidas soporte, confianza y lift, las acciones concretas que los encargados del establecimiento realizan habitualmente para satisfacer las demandas de sus socios. Si bien la Minería de Datos ha sido ampliamente utilizada, en el campo de la bibliotecología no se ha explotado al máximo su potencial. Por ello, también se pretende que este estudio ayude a impulsar al personal a incursionar en la aplicación de nuevas tecnologías de manera que puedan lograr un mayor aprovechamiento de los datos que diariamente son recolectados.

Palabras clave: Minería de Datos, Reglas de Asociación, Biblioteca Universitaria, Evaluación

ABSTRACT

This paper aims at promoting and encouraging the use of library resources and, at the same time, facilitating the library staff tasks when using Data Mining and Association Rules at a university library. This technology has been applied in book circulation data in order to decide the best library material arrangement. As far as the analysis is concerned, two scenarios were presented: “Close Physical Spaces” and “Open Physical Spaces”. The former refers to those bookshelves which can only be accessed by the section staff whereas the latter refers to bookshelves which can be freely accessed by regular book users. To find out the relevant Association Rules, not only support, reliance and lift measures have been considered but also the daily duties that library staff perform regularly to meet their members’ demands. Even though Data Mining has been widely used, its potential has not yet been fully exploited in the library field. Therefore, the present study is also intended to encourage staff to become involved in the application of new technologies so that they can make better use of daily collected data.

INTRODUCCIÓN

Dentro de la MD se destaca el problema de descubrir asociaciones a partir de los datos; en otras palabras, identificar grupos de variables que se correlacionan fuertemente entre sí. Se cuenta con un conjunto de ítems y un gran conjunto de transacciones que son subconjuntos de esos ítems. La MRA procura encontrar relaciones entre ítems, llamadas Reglas de Asociación, a partir de la presencia frecuente de varios ítems dentro de las transacciones.

Formalmente, se consideran los siguientes modelos matemáticos para dirigir el problema de búsqueda de reglas de asociación:

conjunto de ítems.

conjunto de transacciones, donde cada transacción  es un conjunto de ítems tal que   
  
La implicación es una Regla de Asociación donde , ,  y , los conjuntos  son mutuamente excluyentes,  es el conjunto de ítems formado por aquellos que corresponden al antecedente o al consecuente de la regla de Asociación. El conjuntodebe estar contenido o ser igual a alguna de las transacciones pertenecientes a T. ]]>
Las medidas más populares en MRA son soporte, confianza y lift (Brown, 2014) (Lucas, 2010). En el marco soporte-confianza, originariamente (Agrawal, 1993) (Brin, 1997) (Silverstein, 1998), la búsqueda de reglas de asociación adopta los factores soporte y confianza para evaluar las reglas descubiertas.

La regla  tiene soporte s en el conjunto de transacciones T, , si  de las transacciones de T contienen tanto a Y como a X. El soporte puede ser considerado como la probabilidad de que las transacciones contengan un conjunto de ítems.



Para el caso de las reglas de asociación, el conjunto está formado por los ítems que conforman el antecedente y el consecuente de la regla de asociación:

]]>
La regla se mantiene en el conjunto de transacciones T, con factor de confianza c,  , si de las transacciones de T que satisfacen X también satisfacen Y; esto es, el porcentaje de transacciones que contienen a  -- respecto al número total de transacciones que contienen X.

puede ser considerada, entonces, como un estimador de la probabilidad condicional . La confianza está dirigida y computa valores diferentes para las reglas e.

Según Romero Morales (Romero Morales, 2003) la confianza no es capaz de detectar la independencia estadística. Este mismo autor expresa que normalmente se ha creído que mientras mayor es el soporte, mejor es el conjunto de elementos, pero esto puede no ser siempre cierto ya que un conjunto de elementos con alto soporte puede ser fuente de engaños, debido a que aparecen en la mayoría de las transacciones.

Las restricciones que pueden presentar los factores de soporte y confianza, unidos a la necesidad de rescatar las reglas interesantes de un conjunto posiblemente numeroso de reglas generadas, dificulta la actividad de los expertos en el campo en el que se aplica MD. A raíz de ello, distintos autores han desarrollado otras medidas para evaluar la importancia de las reglas generadas. Entre estas medidas se rescata la denominada lift o medida de independencia (Brin, 1997; Romero Morales, 2003 y Silverstein, 1998). El factor lift representa una prueba para medir la dependencia estadística y se define como:

]]>
Este factor establece una relación entre la ocurrencia simultánea de, cuando los conjuntos de ítems que conforman el antecedente y el consecuente de la regla sean estadísticamente independientes.

El lift es simétrico, es decir que , de forma que este valor sólo mide el grado de dependencia y no la implicación en ambas direcciones.

Según Hahsler (Hashler, 2006) las reglas recuperadas por medio de soporte y confianza, deberían ser filtradas usando sus valores de lift, pues valores de lift mayores a 1 indican asociación entre ítems, mientras que valores menores a 1 pueden indicar su independencia. Reglas de asociación con valores de lift menores a 1 no deberían ser tenidas en cuenta para la toma de decisiones.
Lenca (Lenca, 2007) provee una descripción comparativa entre un conjunto de medidas, a partir de la identificación de una serie de propiedades relevantes desde la perspectiva de los usuarios. Las medidas consideradas son objetivas, esto es dirigidas por los datos, pues en su cómputo sólo se toman en cuenta la cardinalidad de los mismos; en otras palabras, las medidas empleadas para extraer reglas de asociación interesantes, son definidas por medio del uso de contadores de ocurrencias o de frecuencias relativas.

La noción de medidas interesantes –interestingness measures-, es tomada generalmente como una medida del valor del patrón o modelo descubierto, que combina validez, novedad, utilidad y sencillez. Un patrón provee conocimiento si excede algún umbral de interés. Veinte medidas interesantes, propuestas por Zhao (Zhao, 2004) y Vaillant (Vaillant, 2004) son retomadas por Lenca, y evaluadas según propiedades que cubren un amplio espectro de potenciales preferencias de los usuarios. Entre esas propiedades están: Procesamiento asimétrico de , Disminución con respecto al número de registros que verifican Y- , Independencia entre X e Y, Sensibilidad al número total de registros-N, Facilidad para fijar un umbral y Habilidad de la medida de expresar una idea exhaustiva del interés de una regla-Inteligibilidad. En la tabla 1 se presenta parte de la matriz de evaluación propuesta por Lenca (Lenca, 2007).

Aplicación de Minería de Reglas de Asociación ]]> La Biblioteca de la FCEFN-UNSJ, dispone del Sistema MicroISIS, en el cual se registra diariamente la circulación de sus colecciones. Los bibliotecarios que trabajan en esta unidad, además de facilitar cada recurso librario y registrar su movimiento en el sistema de biblioteca –préstamo, renovación, consulta o devolución- ante requerimientos concretos por parte de los socios, colaboran en las tareas vinculadas con el desarrollo y acceso a la colección, y participan en las actividades relacionadas con la asignación y organización del material librario en las estanterías. Esta distribución física es realizada según código Dewey, asignado a cada libro por un bibliotecario experto dedicado al proceso de catalogación del material cuando éste es adquirido. Además de ser usado para establecer su ubicación física en las estanterías, cada código Dewey describe el área temática específica a la que cada libro pertenece.

Descubrimiento de Conocimiento
A partir del proceso de MD propuesto por Mehmed Kantardzic (Kantardzic, 2003) en este trabajo se siguieron los siguientes pasos:

1. Establecer el problema.
2. Recolectar datos.
3. Realizar preprocesamiento.
4. Aplicar Minería de Reglas de Asociación.
5. Interpretar el modelo y obtener conclusiones

1-Establecer el Problema ]]> Se procura descubrir conocimiento, plasmado en reglas de asociación, para ser aplicado en la toma de decisiones relativas a la disposición física del material librario en cada uno de los siguientes escenarios: Espacios Físicos Cerrados, aquellos espacios sólo accesibles por el personal de la biblioteca, y Espacios Físicos Abiertos, aquellos lugares con estanterías de libre acceso para las personas que requieren libros de la biblioteca.

2-Recolectar Datos
Los datos de todos los recursos y movimientos de la biblioteca están en tablas del sistema MicroISIS, de las que se usaron  particularmente las relativas a Préstamos y Catálogo.
La tabla Préstamos contiene aproximadamente 80000, 74000 y 75000 registros correspondientes a tres años. Cada registro tiene los datos surgidos del movimiento de cada ejemplar -libro- ante el requerimiento concreto del mismo por parte de un usuario socio de la biblioteca. Estos datos son Número de Socio, Número de Inventario del libro, Tipo de Movimiento -Préstamo, Devolución, Renovación, Consulta-, Fecha de Préstamo - Año/Mes/Día, entre otros.
La tabla Catálogo tiene entre los datos que describen a cada libro: Número de Inventario del libro, Título, ISBN / ISSN y Código Dewey.

3-Realizar Preprocesamiento
A partir de considerar que cada transacción consiste de los códigos Dewey correspondientes a los libros (ejemplares) –más de uno-, gestionados por un socio- Número de Socio- en una misma visita –Fecha- a la biblioteca, se adaptaron las definiciones del modelo matemático al contexto de biblioteca:

conjunto de los códigos Dewey correspondientes a los libros de la biblioteca de la FCEFN, ]]>
conjunto de transacciones, en el que cada transacción  consiste de los códigos Dewey correspondientes a los libros requeridos por un socio en una sola visita a la biblioteca.

La implicación  es una Regla de Asociación donde , ,   y , esto es, el conjunto de códigos Dewey formado por aquellos que corresponden al antecedente o al consecuente, no contiene códigos repetidos, y debe estar contenido o ser igual a alguna de las transacciones pertenecientes a T.

En este paso se realizaron las siguientes tareas:

a) Selección de transacciones: Las transacciones ocurridas en los distintos años tratados están inmersas en la tabla Préstamos. Cada transacción consta de todos los registros, más de uno, correspondientes a los distintos movimientos: pedido, devolución, consulta, renovación de libros; realizados por un socio (Número de socio), en una visita (Fecha), a la biblioteca.

b)  Construcción de pares de códigos Dewey, potenciales reglas de asociación: En una transacción específica, cada uno de los libros -que tiene un código Dewey particular-, puede estar involucrado en un préstamo, devolución, renovación o consulta. De ello se desprende queno solo debe tenerse en cuenta el código Dewey del libro, sino el tipo de movimiento en el que ese libro está involucrado. De este análisis surgieron los siguientes interrogantes: ]]> ¿Qué combinaciones de movimientos son significativas al momento de seleccionar los pares de códigos Dewey que integren reglas de asociación aceptables?  
¿Son las dieciséis combinaciones posibles de movimientos –Tabla 2–, convenientes para los escenarios propuestos?
Estos interrogantes condujeron alanálisis de las características funcionales de cada uno de los escenarios considerados. Para descubrir reglas de asociación relevantes no solo fue importante tener en cuenta los códigos Dewey de los libros, sino también el tipo de movimiento en el que dichos libros estaban involucrados.

- Escenario 1. Espacios Físicos Cerrados- Estanterías de acceso restringido
En este escenario, el socio que concurre a la biblioteca en búsqueda de libros, tiene generalmente una idea precisa sobre el material que desea solicitar. El bibliotecario es quien accede a las estanterías para recuperar cada ejemplar en caso de préstamo o consulta, pues la renovación no involucra acceso a la estantería, tampoco para restituirlo a su lugar de origen si se trata de una devolución. En este último tipo de movimiento, los bibliotecarios de la FCEFN suelen depositar los libros devueltos junto al mostrador de atención al público, para luego acomodarlos en sus lugares en los momentos en los que no hay socios esperando atención o al final de la jornada.

- Escenario 2. Espacios Físicos Abiertos - Estanterías de libre acceso
En este caso, es el usuario quien extrae el libro de la estantería al acudir a la biblioteca con la intención de solicitar un libro en préstamo o consulta. En una devolución de un libro por parte de un socio, es el bibliotecario quien retorna el libro al lugar que le corresponde en la estantería. Si el socio requiere una renovación de un libro, este movimiento es resuelto en el mostrador y no se genera acceso a la estantería.

Respecto al escenario de Espacios Físicos Abiertos se consideró que, si bien el socio suele concurrir a la biblioteca con una idea sobre el material que necesita, la ubicación física de los libros puede promover en él la revisión de materiales que están en una ubicación próxima a los libros que en un comienzo solicitaría. Esta proximidad física entre los libros requeridos frecuentemente, podría evitarle al socio tener que realizar una nueva visita a la biblioteca al asistirlo, de manera silenciosa, en sus posibles necesidades de información. Con esta finalidad se tuvieron en cuenta también combinaciones de movimientos en las que intervienen renovaciones y devoluciones, además de préstamos y consultas. ]]>
En particular, en el trabajo se presenta lo desarrollado para Espacios Físicos Cerrados. Del preprocesamiento surgieron 192605 registros de movimientos realizados en la biblioteca en el período de tres años. A partir de ellos y al combinar entre sí, de a pares, todos los códigos Dewey involucrados en cada transacción conjuntamente con sus tipos de movimientos-Tabla 2, Espacios Físicos Cerrados-, por medio de consultas SQL, se generaron 345296 registros.

4-Aplicar Minería de Reglas de Asociación
Para descubrir los pares de códigos Dewey que constituyen reglas de asociación que provean conocimiento para la toma de decisiones,se realizaron dos etapas: Descubrimiento de reglas de asociación y Evaluación de las reglas de asociación generadas.

a) Descubrimiento de reglas de asociación:Entre los pares de códigos Dewey construidos en la etapa de preprocesamiento, habían pares de códigos coincidentes, y/o pares que ocurrieron desde una sola vez en todas las transacciones. Estas dos situaciones llevaron a buscar respuestas al siguiente interrogante:

¿Pueden ser considerados reglas de asociación que apoyen la toma de decisión, todos los pares de códigos Dewey generados? 
Dado que , sólo deberían tenerse en cuenta pares de códigos Dewey no coincidentes. Asimismo, y dado que se detectaron pares de códigos que habían ocurrido en un número muy reducido de transacciones, se decidió solo evaluar aquellas reglas de asociación surgidas de pares de códigos Dewey que ocurrieron una cantidad significativa de veces. Para establecer esta cantidad, se computó el promedio de transacciones diarias realizadas en la biblioteca durante los 3 años tratados, el cual fue 101. A partir de ello, se consideraron sólo los pares de códigos Dewey presentes al menos en 101 transacciones. Esto podría interpretarse como que el bibliotecario accede a las estanterías por pares de libros identificados por los mismos códigos Dewey 101 veces como mínimo en un mismo día (fecha de evaluación parcial o final de una asignatura, en la que los libros solicitados integrarían su listado bibliográfico). La cercanía física de los libros solicitados podría ayudar a los bibliotecarios a optimizar el servicio que brindan. ]]>
b) Evaluación de reglas de asociación: Se adoptó un marco de evaluación apoyado en las medidas soporte, confianza y lift. Para la estimación de las probabilidades en las expresiones (1), (2), (3) y (4), siendo T el conjunto de transacciones, se consideró:

: Número de transacciones de T que contienen al conjunto X

: Número de transacciones de T que contienen al conjunto Y

: Número de transacciones de Tque contienen al conjunto

N: Número total de transacciones, esto es cardinal del conjunto T: ]]>
: Frecuencia relativa asociada a X, obtenida como

: Frecuencia relativa asociada a Y, obtenida como





]]>


Las expresiones (5), (6) y (7) se aplicaron para evaluar las reglas descubiertas.

RESULTADOS Y DISCUSIÓN

Los modelos obtenidos a partir de la aplicación de MRA, deberían asistir en el proceso de toma de decisiones. Los usuarios de esta tecnología, bibliotecarios en este caso particular, no pueden resumir, interpretar y usar para una exitosa toma de decisiones, cientos de datos numéricos –valores de soporte, confianza y lift correspondientes a las reglas generadas. Presentar esa información abstracta por medio de esquemas 2D, incrementa la posibilidad de asimilar las distintas dimensiones de los datos en una forma amplia e inmediatamente comprensible, promoviendo que estos usuarios de la tecnología se transformen efectivamente en beneficiarios.

En la figura 1, y con asistencia de la tabla 3, puede observarse que los pares de códigos Dewey 574-551 o 551-574, 540-530.02 o 530.02-540 y 551-540 540-551, correspondientes a, “Biología- Geología, Hidrología, meteorología”, “Química y ciencias afines.- Física Manuales y Geología”, “Hidrología, meteorología - Química y ciencias afines”, son todos estadísticamente independientes entre sí dado que el valor lift de las reglas en las que están involucrados es menor que 1. El resto de los pares presentan dependencia.
]]> El valor de confianza para la regla  es mayor que el de la regla . Como el código 540.02 denota "Manuales de Química" y el 540 a "Química y Ciencias Afines", la regla puede leerse de la siguiente manera: si los “Manuales de Química” fueron pedidos en una transacción, los libros de “Química y Ciencias afines” también fueron pedidos en la misma transacción con un soporte de 0,022, una confianza de 0,242 y lift 2,395. El valor de soporte expresa que en el 2% de las transacciones estuvieron involucrados libros con los códigos 540.02 y 540. Según el valor de confianza, aproximadamente el 24% de las transacciones que contienen el código 540.02, también contienen el código 540.

Además entre estos códigos existe co-ocurrencia, lift es mayor que 1, con una diferencia entre los valores de confianza computados para las reglas que los involucra de alrededor del 2%.

CONCLUSIONES

La adecuación a la problemática abordada, del marco teórico adoptado para la MRA – concepto de transacción, marco de evaluación para las reglas generadas entre otros-, es el primer paso que debe realizarse cuando se decide encarar la búsqueda de conocimiento a partir de los datos. De los cinco pasos del proceso de MRA aplicado, especial atención se les dedicó a los tres últimos:

-Realizar preprocesamiento: De la observación directa de las acciones realizadas por los bibliotecarios de la Biblioteca de la FCEFN para satisfacer los requerimientos de los socios, y del planteo y análisis del funcionamiento de los 2 escenarios tratados, destinados a contener el material librario, se reconoció que los tipos de movimientos de libros y combinaciones de los mismos también debían ser considerados.

-Aplicar Minería de Reglas de Asociación: Si bien existen entornos de MD que proveen algoritmos para descubrir reglas de asociación, tal es el caso de Weka, RapidMiner y R, estos no brindan la posibilidad de tratar situaciones particulares, como en el caso en el que tanto los antecedentes como los consecuentes de las reglas de asociación candidatas a integrar el modelo están constituidos por categorías de materiales ponderados por el tipo de movimiento. A la vez, los entornos mencionados son restringidos en cuanto a permitir aplicar diferentes factores simultáneamente para evaluar las reglas generadas. ]]>
Con el propósito de que los bibliotecarios se vean favorecidos con el uso de esta tecnología, y a la luz de las características particulares de una amplia gama de factores destinados a valuar las reglas de asociación, en este trabajo la evaluación de las reglas se realizó en el marco soporte, confianza y lift. Asimismo, y dado que no existe un rango de valores prefijado de lift, las reglas resultantes podrían también clasificarse según valores decrecientes de esta medida.

-Interpretar el modelo y obtener conclusiones: Las reglas de asociación obtenidas son presentadas en esquemas 2D, para facilitarle al bibliotecario una selección visual e inmediata de las reglas más relevantes.

A partir del análisis de uso del material librario disponible, los resultados alcanzados asisten al personal de la biblioteca al momento de planificar y decidir sobre la distribución física de los libros en las estanterías.

En el caso de las estanterías de acceso restringido, esto favorece a una mejora en los tiempos de respuesta de los bibliotecarios ante solicitudes de libros. Además de lo expresado, en un escenario  con estanterías de libre acceso, la ubicación física de los libros promueve la difusión y revisión de materiales que están en una ubicación próxima a los libros que en un comienzo un socio solicitaría, pudiendo de esta forma evitarle una nueva visita a la biblioteca al apoyarlo, de manera silenciosa, en sus posibles requerimientos de información.

AGRADECIMIENTOS ]]>
Agradecemos la colaboración prestada por María José Marcovecchio, docente e investigadora de la Universidad Nacional de San Juan, en la revisión y confección del abstract.

REFERENCIAS BIBLIOGRÁFICAS

AGRAWAL, R., IMIELINSKI, T., SWAMI, A. Mining association rules between sets of items in large databases. In: Proceedings of the ACM SIGMOD International Conference on Management of Data. 1993. Washington D.C., p. 207-216.

BROWN, Meta S. Data mining for dummies. John Wiley & Sons, 2014.

BRIN, S., MOTWANI, R., ULLMAN, J. D., TSUR, S. Dynamic itemset counting and implication rules for market basket data. Proceedings ACM SIGMOD International Conference on Management of Data. 1997. Tucson, Arizona, USA. p. 255-264
]]>
CHEN, M., HAN, J. AND YU P. Data Mining: An Overview from a Database Perspective. IEEE Transactions on Knowledge and Data Engineering, 1996. V.8 N.6, p.866-883.

CONEAU- http://www.coneau.gov.ar/

HAHSLER, Michael; HORNIK, Kurt; REUTTERER, Thomas. Implications of probabilistic data modeling for mining association rules. En From Data and Information Analysis to Knowledge Engineering. Springer Berlin Heidelberg, 2006. p. 598-605.

HERRERA VARELA, Ricardo. Bibliomining: minería de datos y descubrimiento de conocimiento en bases de datos aplicados al ámbito bibliotecario [en linea]. "Forinf@", vol. 33, 2006. [Consulta: 01/09/2014]. <http://lemi.uc3m.es/est/forinf@/index.php/Forinfa/rt/printerFriendly/122/127>

HIPP, Jochen; GÜNTZER, Ulrich; NAKHAEIZADEH, Gholamreza. Algorithms for association rule mining—a general survey and comparison. ACM sigkdd explorations newsletter, 2000, vol. 2, no 1, p. 58-64.
]]>
KANTARDZIC, M. Data Mining: Concepts, Models, Methods, and Algorithm . John Wiley & Sons .2003.343 pages.

LENCA, P., MEYER, P., VAILLANT, B., LALLICH, S. On selecting interestingness measures for association rules: user oriented description and multiple criteria decision aid. [en linea].
European Journal of Operational Research.Volume 184, Issue 2, 16 January 2008, Pages 610–626. [Consulta: 01/03/2008]. http://www.sciencedirect.com/science/article/pii/S0377221706011465

NICHOLSON, S. The basis for bibliomining: Frameworks for bringing together usage-based data mining and bibliometrics through data warehousing in digital library services. [en linea]. Information Processing & Management.Volume 42, Issue 3, May 2006, Pages 785–804 [Consulta: 01/02/2008].  http://www.sciencedirect.com/science/article/pii/S0306457305000658

LÓPEZ, Ana Pérez. La evaluación de colecciones: métodos y modelos.Documentación de las Ciencias de la Información, 2002, vol. 25, p. 321-360.

LUCAS, Joel Pinho. Métodos de clasificación basados en asociación aplicados a sistemas de recomendación. 2010. Tesis Doctoral. Universidad de Salamanca.

ROMERO, C. Aplicación de técnicas de adquisición de conocimiento para la mejora de cursos hipermedia adaptativos basados en Web. Tesis Doctoral.. Universidad de Granada. E.T.S. Ingeniería Informática. 2003.

SAHU, Hemlata; SHRMA, Shalini; GONDHALAKAR, Seema. A Brief Overview on Data Mining Survey. International Journal of Computer Technology and Electronics Engineering (IJCTEE) Volume, 2011, vol.1.

SILVERSTEIN, Craig; BRIN, Sergey; MOTWANI, Rajeev. Beyond market baskets: Generalizing association rules to dependence rules. Data mining and knowledge discovery, 1998, vol. 2, no 1, p. 39-68.

UNIVERSIDAD DE BUENOS AIRES. SISTEMA DE BIBLIOTECAS Y DE INFORMACIÓN. COMISIÓN TÉCNICA DE ESTÁNDARES. Estándares del Sistema de Bibliotecas de la Universidad de Buenos Aires. SISBI, Universidad de Buenos Aires, Secretaría de Ciencia y Técnica, Sistema de Bibliotecas y de Información, 2013.

VAILLANT, Benoît; LENCA, Philippe; LALLICH, Stéphane. A clustering of interestingness measures. En Discovery Science. Springer Berlin Heidelberg, 2004. p. 290-297.

ZHAO, Yanchang; ZHANG, Chengqi; ZHANG, Shichao. Discovering interesting association rules by clustering. En AI 2004: Advances in Artificial Intelligence. Springer Berlin Heidelberg, 2005. p. 1055-1061.

Recibido: 13/11/2014
Aceptado: 03/07/2015