DESCOBRINDO REGRAS DE ASSOCIAÇÃO DIVERGENTES: UM ESTUDO DE CASO DA MALÁRIA NA AMAZÔNIA LEGAL

Abstract

A known problem in frequent pattern mining is that thousands of association rules are commonly produced, making it difficult to study each one, weakening the process of finding useful information. Given this challenge, this dissertation proposes a new approach to obtain interesting association rules from the divergence between the obtained rules and the expected distribution of data. The novel approach developed, called ARD, is evaluated on malaria data in the Brazilian Legal Amazon from 2009 to 2015. With this approach, a number of practicable rules for analysis were determined from which information related to malaria in the Legal Amazon is collected and the trends associated with the organization of Health Regions. The results surveyed show the ability of ARD as it indicated rules that brought relevant information about the mined data.

Um problema conhecido em mineração de padrões frequentes é o fato de comumente serem produzidas milhares de regras de associação, tornando-se árduo o estudo de cada uma delas, enfraquecendo o processo de descoberta de informação útil. Tendo em vista este desafio, essa dissertação propõe uma nova abordagem para obtenção de regras de associação interessantes a partir da divergência entre as regras obtidas e a distribuição esperada dos dados. A abordagem inédita desenvolvida, denominada ARD, é avaliada sobre dados da malária na Amazônia Legal Brasileira nos anos de 2009 a 2015. Com essa abordagem foi determinado um número de regras praticável para análise, a partir dos quais são levantadas informações relacionadas a malária na Amazônia Legal e as tendências associadas a organização das Regiões de Saúde. Os resultados levantados mostram a capacidade da ARD, uma vez que indicou regras que trouxeram informação relevante sobre os dados minerados.