Résumé:
Grâce au développement technologique, les bases de données deviennent très coûteuses. Cela conduit à confronter des difficultés d'extraction des connaissances. Tandis que la fouille de données se propose plusieurs techniques, comprenant parmi elles classification, estimation, prédiction, Clustering et association, nous nous s'intéressons dans ce projet à l'extraction des règles d'association qui se base sur l'algorithme d'Apriori. Ce dernier a rencontré un problème de lentement à cause du parcours récursif de la base de transactions. Pour cela, nous proposons deux approches : l'une permet d'éliminer la transaction qui ne contient pas un itemset fréquent et l'autre permet de réaliser un seul parcours de la base de transaction afin de construire une table de hachage contenant tous les itemsets possibles et leurs supports. Après notre étude théorique et expérimentale, nous déduisons que l'approchel est rapide par rapport au Apriori quel que soit le minSup et le minConf mais l'approche2 fonctionne selon le type de base, par rapport à une base non condensée, mieux qu'une base condensé.
