Có các bước sau tham gia vào hệ thống cụm hóa luật liên kết:
Binning (Phân thùng) − Thuộc tính định lượng có thể có phạm vi giá trị rộng biểu diễn miền của chúng. Hãy nghĩ về kích thước lưới 2-D nếu vẽ tuổi và thu nhập làm trục, nơi mỗi giá trị tuổi có thể tạo vị trí cụ thể trên một trục, và tương tự mỗi giá trị thu nhập tạo vị trí trên trục kia.
Để giữ lưới xuống kích thước quản lý được, có thể phân vùng miền của thuộc tính định lượng thành các khoảng. Các khoảng này mạnh mẽ vì chúng có thể kết hợp trong giai đoạn khai phá. Giai đoạn phân vùng gọi là binning, tức là nơi các khoảng được coi như "bins" (thùng).
Có ba chiến lược binning phổ biến:
Equal-width binning (Phân thùng độ rộng bằng nhau) − Kích thước khoảng của mỗi bin giống nhau.
Equal-frequency binning (Phân thùng tần suất bằng nhau) − Mỗi bin có xấp xỉ cùng số tuple được gán cho nó.
Clustering-based binning (Phân thùng dựa trên cụm hóa) − Thực hiện cụm hóa trên thuộc tính định lượng để nhóm các điểm lân cận (đánh giá dựa trên các phép đo khoảng cách) vào cùng bin.
ARCS yêu cầu equal-width binning, nơi kích thước bin cho mỗi thuộc tính định lượng được nhập bởi người dùng. Một mảng 2-D cho mọi tổ hợp bin có thể bao gồm cả hai thuộc tính định lượng được tạo ra.
Mỗi ô mảng mang theo phân phối đếm tương ứng cho mỗi lớp có thể của thuộc tính phân loại ở phía phải luật. Bằng cách tạo cấu trúc dữ liệu này, dữ liệu liên quan nhiệm vụ chỉ cần được quét một lần. Cùng mảng 2-D có thể dùng để tạo luật cho mọi giá trị của thuộc tính phân loại, dựa trên cùng hai thuộc tính định lượng.
Tìm tập vị ngữ phổ biến (Finding frequent predicate sets) − Vì mảng 2-D bao gồm phân phối đếm cho mỗi danh mục được thiết lập, nó có thể được quét để khám phá các tập vị ngữ phổ biến (thỏa mãn hỗ trợ tối thiểu) cũng thỏa mãn độ tin cậy tối thiểu.
Thuật toán kiểm tra lưới, tìm kiếm các cụm hình chữ nhật của luật. Theo cách này, các bin của thuộc tính định lượng xuất hiện trong cụm luật có thể kết hợp, và do đó rời rạc hóa động của thuộc tính định lượng xuất hiện.
Phương pháp dựa trên lưới mô tả rằng các luật liên kết gốc có thể được cụm hóa thành các vùng hình chữ nhật. Trước khi thực hiện cụm hóa, phương pháp làm mịn có thể dùng để loại bỏ nhiễu và giá trị ngoại lai khỏi bản ghi. Các cụm hình chữ nhật có thể đơn giản hóa quá mức thông tin.
Một phương pháp không dựa trên lưới đã được đề xuất để khám phá luật liên kết định lượng tổng quát hơn, nơi một số thuộc tính định lượng và phân loại có thể xuất hiện ở bất kỳ phía nào của luật.
Trong phương pháp này, thuộc tính định lượng được rời rạc hóa động bằng equal-frequency binning, và các phân vùng được kết hợp dựa trên thước đo độ hoàn chỉnh một phần, định lượng thông tin mất do phân vùng.