چکیده:
امروزه با افزایش سرعت در رشد فناوری و روش های گرداوری داده، اغلب با حجم زیادی از داده در سازمان ها رو به رو هستیم. با توجه به نقش مهم فرایندهای تحلیل و استخراج دانش از داده، به کارگیری علم داده کاوی به عنوان مهم ترین فناوری برای بهره برداری موثر، صحیح و سریع از داده ها رو به افزایش است. یکی از روش های کاربردی داده کاوی، فن قاعده های پیوند است. این فن، رابطه های اقلام داده ای را مورد تحلیل قرار می دهد و وابستگی های متقابل بین مجموعه ی بزرگی از اقلام داده ای را در قالب الگوها و قاعده های استخراجی نشان می دهد. در این مقاله با به کارگیری این فن بر روی داده های طرح آمارگیری نیروی کار سال های 1388-1393، دانش تولیدشده حول خصیصه های جمعیت غیر فعال اقتصادی ارایه خواهد شد. طرح آمارگیری نیروی کار یکی از مهم ترین و جامع ترین منبع های اطلاعات بازار کار کشور است که بر اساس آن نرخ مشارکت اقتصادی و نرخ بیکاری کشور محاسبه می شود. بر اساس نتیجه های این طرح در سال های اخیر جمعیت غیر فعال کشور افزایش و نرخ مشارکت اقتصادی کاهش یافته است. فهم چرایی این موضوع دغدغه ی بسیاری از متخصصین، کارشناسان و برنامه ریزان بازار کار است. این تحقیق به منظور بررسی و تحلیل این مسئله، به شناسایی رابطه های میان ویژگی های افراد و وضعیت فعالیت اقتصادی آنان می پردازد و در این زمینه الگوریتم Apriori به عنوان یکی از روش های مطرح در فن قاعده های پیوند استفاده شده است.
Nowadays، because of new methods in data collection technology، we have huge amount of data in organization. Due to important role of analyzing data and making knowledge based upon the information، using data mining techniques as an important technology for accurate and efficient data investigation، has increased. Association rule mining is as one of well-known technique in data mining science. This method is used to analyze relations between different items in datasets and discover associations’ rules in data collection as descriptive pattern.
Babor force survey is important research in occupation and Labor branch that is conducted in SCI (Statistical Centre of Iran).The key results of this survey are unemployment rate population and economic participation rate population .Recently the result show that inactive ratio population in society has increased and because of that economic participation rate has decreased. For analyzing the unknown reason، the survey dataset is investigated in order to discover relation between family member’s information and job’s status، economical activities. In this study، patterns exploration of active and inactive population is the main objective، so the Apriori algorithm as a method in association rule mining is used to determine hidden pattern in Labor force survey. The knowledge discovered in this research as descriptive rules could be used for making decision in the statistical analysis.