Interactive Mining on Hierarchical Data

interaktivní, intuitivní, on-line, dolování dat, OLAP, datový sklad, asociačnní, charakterizační, klasifikační pravidla, nenaïvní Bayessovská klasifikace, prezentace založená na UML notaci

V této práci předkládáme rámec pro interakitvní, iteraticní a intuitivní dolování víceúrovňových asociačních, charakterizačních a klasifikačních pravidel nad daty organizovánými ve víceúrovňových konceptuálních hierarchiích. Tento rámec se nazývá OLAM SE (Self Explaining On-Line Analytical Mining) a je předpokládán jako rozšíření OLAPu nebo jako alternatica k Hanovu OLAMu. OLAM zpracovává data uložená ve struktuře datových kostek, která je založena na dané konceptuální hierarchii. OLAM SE určuje hodnotu minimální podpory z uživatelem definované hodnoty pokrytí dat za použití principu kódování entropie. Stejně tak určuje maximální prahovou hodnotu k zamezení zkoumání znalosti, která je zřejmá a potencionálně nezajímavá. Hlavní část dat je tudíž popsána pomocí frekventovaných vzorů. Prezentace výsledků je inspirována notací UML diagamů. Zahrnuje uzly grafu, kterými jsou frekventované množiny dat reprezentovány jako balíčky vyjadřující třídy dat nebo položky. Hrany reprezentujívztahy nebo vzory mezi balíčky. Tato reprezentace může být stejně tak využita pro charakterizaci a ne-naïvní Bayessovskou klasifikaci. Vzory mohou být interaktivně prozkoumány uživatelem, který tak získá detailní pohled na ta, která jsou pro něho atraktivní. Může intuitivně řídit proces získávání detailnější znalosti.