관계형 데이터 마이닝

Relational data mining

관계형 데이터 마이닝은 관계형 데이터베이스를 위한 데이터 마이닝 기법이다.[1]단일 테이블(제안 패턴)에서 패턴을 찾는 기존의 데이터 마이닝 알고리즘과 달리 관계형 데이터 마이닝 알고리즘은 여러 테이블(관계형 패턴) 사이에서 패턴을 찾는다.대부분의 제안형 패턴에는 상응하는 관계형 패턴이 있다.예를 들어 관계 분류 규칙(관계 분류), 관계 회귀 트리 및 관계 연결 규칙이 있다.

관계형 데이터 마이닝에는 다음과 같은 몇 가지 접근법이 있다.

  1. 유도 논리 프로그래밍(ILP)
  2. 통계 관계 학습(SRL)
  3. 그래프 마이닝
  4. 제안화
  5. 멀티 뷰 학습

알고리즘

다중 관계 연결 규칙: 다중 관계 연결 규칙(MRAR)은 원시적이고 단순하며 심지어 다관계 연결 규칙(일반적으로 다중 관계 데이터베이스에서 추출되는)과는 대조적으로 각 규칙 항목은 하나의 실체가 아닌 여러 관계로 구성되는 새로운 연결 규칙이다.이러한 관계는 실체들 간의 간접적인 관계를 나타낸다.첫 번째 항목이 인접하고 습한 세 가지 관계에 있는 다음 MRAR을 고려하십시오."습한 기후의 도시와 가까운 곳에 살고 있고 또한 20세 미만인 사람들은 그들의 건강 상태가 좋다."이러한 연결 규칙은 RDBMS 데이터 또는 의미 웹 데이터에서 추출할 수 있다.[2]

소프트웨어

  • Safarii: 다중 관계 데이터 마이닝 엔진을 기반으로 대규모 관계형 데이터베이스를 분석하기 위한 데이터 마이닝 환경.
  • Dataconda: 연구 및 교육 목적으로 무료로 SQL을 사용하지 않고 관계형 데이터베이스를 채굴할 수 있도록 도와주는 소프트웨어.

데이터 집합

참고 항목

참조

  1. ^ Dzeroski, Saso, Lavrach, Nada(Eds), Relational Data Mining, Springer 2001 [1]
  2. ^ 라메자니, 레자, 모하메드 사라예, 모하마드 알리 네마트바크쉬; MRAR: 마이닝 멀티 관계 협회 규칙, 컴퓨팅 및 보안 저널, 1, 2호(2014년)

외부 링크


Stub icon

이 데이터베이스 관련 기사는 단조롭다.위키피디아를 확장하여 도울 수 있다.