Efektivní hledání častých vzorů v multirelačních datech

Mgr. Jan Blaťák, Ph.D.

Rigorózní práce

Efektivní hledání častých vzorů v multirelačních datech (in czech)

Anotace:

Naším cílem je navrhnout metody pro efektivní vyhledávání častých vzorů v multirelačních datech a implementovat je do systému induktivního logického programování RAP. Hledání častých vzorů je přitom jednou ze základních deskriptivních úloh dolování znalostí v databázích a tvoří základ řady dalších metod. Časté vzory se využívají např. pro hledání asociačních pravidel nebo ke konstrukci rysů v klasifikačních úlohách. Pro hledání častých vzorů v multirelačních datech byly dosud implementovány pouze tři systémy, z nichž dva, Warmr a OR-FP, jsou založeny na algoritmu Apriori. Třetí systém, RAP, který jsme navrhli a implementovali ve své dřívější práci, umožňuje hledat vzory jinými metodami, např. do hloubky, heuristickým prohledáváním apod. V naší další práci navrhneme jak sekvenční tak paralelní metody, které zefektivní proces hledání. Tyto metody implementujeme do našeho systému. Systém poté ověříme na datech z různých oblastí, především na datech z oblasti biochemie, chemie a na datech textových.

Abstract:

Our aim is to design methods of mining frequent patterns in multi-relational data effectively and implement them in the system of inductive logic programming RAP. Searching for the frequent patterns is a fundamental descriptive task in Knowledge Discovery in Databases. The frequent patterns are used to search for association rules or for construction of new features in classification tasks. It is only three systems that were implemented for mining frequent patterns in multi-relational data and two of them Warmr and OR-FP exploit the Apriori algorithm. Another is system, RAP, which has been designed in our earlier work, employs the depth-first and best-first search strategies. We plan to design new sequential and parallel methods for speeding up the searching process. We plan to embed these methods in our system and then test the system on the data from multiple domains, primarily on those from biochemistry, chemistry and on the textual domains.

Klíčová slova

knowledge discovery, relational data minining, frequent patterns, inductive logic programing

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 1. 10. 2008

Obhajoba závěrečné práce

• Obhajoba proběhla 5. 12. 2008
• Vedoucí: prof. PhDr. Karel Pala, CSc.

Masarykova univerzita

Fakulta informatiky

Rigorózní řízení / obor:
Informatika / Informatika