The association rules model is one of most widely used in data mining. An association rule is an implication of the form X ! Y , where X and Y are set of items that satisfy two constraints given by the user called minimum support (minsup) and minimum confidence (minconf). Normally, the values of minsup and min-conf are crisp. In this paper, we analize how the association rules mining is affected when these values are treated as fuzzy. An algorithm based on the Apriori algorithm is proposed in order to calculate frequent itemsets and to generate association rules using fuzzy sets.

El modelo de reglas de asociación es uno de los más ampliamente utilizados en minería de datos. Una regla de asociación es una implicación de la forma X ! Y , donde X e Y son conjuntos de items que satisfacen dos restricciones dadas por el usuario denominadas soporte mínimo (minsup) y confianza mínima (minconf). Normalmente, los valores minsup y minconf son exactos. En este artículo, analizamos la forma en que se afecta la minería de reglas de asociación cuando dichos valores son tratados como difusos. Un algoritmo basado en Apriori es propuesto, a fin de calcular conjuntos de items frecuentes y generar reglas de asociación usando conjuntos difusos.