बहु-स्तरीय एसोसिएशन नियमों की माइनिंग के दृष्टिकोण समर्थन-विश्वास ढांचे पर आधारित हैं। टॉप-डाउन रणनीति का उपयोग किया जाता है जहां प्रत्येक अवधारणा स्तर के लिए फ्रीक्वेंट आइटमसेट की गणना के लिए काउंट जमा किए जाते हैं, अवधारणा स्तर 1 से शुरू होकर निचले विशिष्ट अवधारणा स्तरों की ओर काम करते हैं जब तक कि एप्रोरी एल्गोरिदम का उपयोग करके अधिक फ्रीक्वेंट आइटमसेट नहीं मिल जाते।
डेटा को अवधारणा पदानुक्रम से उच्च-स्तरीय अवधारणाओं या पूर्वजों के साथ डेटा के भीतर निम्न-स्तरीय अवधारणाओं को प्रतिस्थापित करके सामान्यीकृत किया जा सकता है। एक अवधारणा पदानुक्रम में, जिसे रूट के रूप में D यानी टास्क-प्रासंगिक डेटा के साथ एक ट्री के रूप में दर्शाया जाता है।
बहु-स्तरीय संघ के लिए लोकप्रिय अनुप्रयोग क्षेत्र मार्केट बास्केट विश्लेषण है, जो ग्राहकों की खरीदारी की आदतों का अध्ययन करता है उन वस्तुओं के सेट की खोज करके जो अक्सर एक साथ खरीदी जाती हैं जिसे अवधारणा पदानुक्रम की अवधारणा में प्रदर्शित किया गया था।
प्रत्येक नोड एक आइटम या आइटम सेट को इंगित करता है जिसकी जांच की गई है। अमूर्तता के किसी भी स्तर पर फ्रीक्वेंट आइटमसेट खोजने के लिए विभिन्न दृष्टिकोण हैं। उपयोग में कुछ विधियाँ हैं: 'सभी स्तरों के लिए समान न्यूनतम समर्थन का उपयोग', निचले स्तरों पर कम न्यूनतम समर्थन का उपयोग, स्तर-दर-स्तर स्वतंत्र।
बहु-स्तरीय डेटाबेस को प्रारंभिक लेनदेन तालिका के बजाय पदानुक्रम-डेटा एन्कोडेड लेनदेन तालिका की आवश्यकता होती है। यह तब उपयोगी होता है जब हम लेनदेन डेटाबेस के केवल एक हिस्से में रुचि रखते हैं जैसे भोजन, सभी वस्तुओं के बजाय। इस तरह हम पहले प्रासंगिक डेटा सेट एकत्र कर सकते हैं और फिर टास्क-प्रासंगिक सेट पर बार-बार काम कर सकते हैं। इस प्रकार लेनदेन तालिका में, प्रत्येक आइटम को अंकों के अनुक्रम के रूप में एन्कोड किया जाता है।
सभी स्तरों के लिए समान न्यूनतम समर्थन का उपयोग
जब एक समान न्यूनतम समर्थन थ्रेशोल्ड का उपयोग किया जाता है, तो खोज प्रक्रिया सरल होती है। एक अनुकूलन तकनीक अपनाई जा सकती है, इस ज्ञान के आधार पर कि एक पूर्वज अपने वंशजों का एक सुपरसेट है, खोज उन आइटमसेट की जांच से बचती है जिनमें कोई भी आइटम होता है जिसके पूर्वज के पास न्यूनतम समर्थन नहीं होता।
समान समर्थन दृष्टिकोण की मुख्य कमी यह है कि अमूर्तता के निचले स्तरों पर आइटम उच्च स्तरों के आइटम की तुलना में कम बार होते हैं।
निचले स्तरों पर कम न्यूनतम समर्थन का उपयोग
अमूर्तता के प्रत्येक स्तर का अपना न्यूनतम समर्थन थ्रेशोल्ड होता है। अमूर्तता स्तर जितना कम होगा, समतुल्य थ्रेशोल्ड उतना ही छोटा होगा। कम समर्थन के साथ बहु-स्तरीय संघ की माइनिंग के लिए निम्न खोज श्रेणियाँ हैं:
- स्तर-दर-स्तर स्वतंत्र (Level by level independent) - यह एक पूर्ण ब्रेडथ खोज है, फ्रीक्वेंट आइटमसेट के पृष्ठभूमि ज्ञान का उपयोग छंटाई के लिए किया जाता है। यहां प्रत्येक नोड की जांच की जाती है चाहे पैरेंट नोड फ्रीक्वेंट पाया गया हो या नहीं।
- एकल आइटम द्वारा स्तर क्रॉस-फ़िल्टरिंग (Level cross-filtering by single item) - i-वें स्तर पर एक आइटम निर्धारित किया जाता है यदि और केवल यदि इसका पैरेंट नोड (i-1)वें स्तर पर फ्रीक्वेंट है।
- k-आइटमसेट द्वारा स्तर क्रॉस-फ़िल्टरिंग (Level cross-filtering by k-itemset) - i-वें स्तर पर एक आइटमसेट निर्धारित किया जाता है यदि और केवल यदि इसका समतुल्य पैरेंट A-आइटमसेट (i-1)वें स्तर पर फ्रीक्वेंट है।
