Multirelational data mining (MRDM)

Multirelational data mining (MRDM) methods search for patterns that involve multi- ple tables (relations) from a relational database. Consider the multirelational schema of Figure 9.19, which defines a financial database. Each table or relation represents an entity or a relationship, described by a set of attributes. Links between relations show the relation- ship between them. One method to apply traditional data mining methods (which assume that the data reside in a single table) is propositionalization, which converts multiple rela- tional data into a single flat data relation, using joins and aggregations. This, however, could lead to the generation of a huge, undesirable “universal relation” (involving all of the attributes). Furthermore, it can result in the loss of information, including essential semantic information represented by the links in the database design.
Multirelational data mining aims to discover knowledge directly from relational data. There are different multirelational data mining tasks, including multirelational classi- fication, clustering, and frequent pattern mining. Multirelational classification aims to build a classification model that utilizes information in different relations. Multirela- tional clustering aims to group tuples into clusters using their own attributes as well as tuples related to them in different relations. Multirelational frequent pattern mining aims at finding patterns involving interconnected items in different relations. We first use multirelational classification as an example to illustrate the purpose and procedure of multirelational data mining. We then introduce multirelational classification and mul- tirelational clustering in detail in the following sections.
In a database for multirelational classification, there is one target relation, Rt , whose tuples are called target tuples and are associated with class labels. The other relations are nontarget relations. Each relation may have one primary key (which uniquely identifies tuples in the relation) and several foreign keys (where a primary key in one relation can
be linked to the foreign key in another). If we assume a two-class problem, then we pick one class as the positive class and the other as the negative class. The most important task for building an accurate multirelational classifier is to find relevant features in different relations that help distinguish positive and negative target tuples.

Results (Thai) 1:

ค้นหาการทำเหมืองข้อมูล multirelational (mrdm) วิธีการหารูปแบบที่เกี่ยวข้องกับตารางหลาย ple (ความสัมพันธ์) จากฐานข้อมูลเชิงสัมพันธ์ พิจารณาคี multirelational ของรูป 9.19 ซึ่งได้กำหนดฐานข้อมูลทางการเงิน แต่ละตารางหรือความสัมพันธ์เป็นนิติบุคคลหรือความสัมพันธ์ที่อธิบายด้วยชุดของคุณลักษณะ การเชื่อมโยงระหว่างความสัมพันธ์ที่แสดงความสัมพันธ์ระหว่างพวกเขาเรือวิธีการหนึ่งที่จะใช้วิธีการแบบดั้งเดิมการทำเหมืองข้อมูล (ซึ่งสมมติว่าข้อมูลที่อยู่ในตารางเดียว) เป็น propositionalization ซึ่งจะแปลงข้อมูลสัมพันธ์-tional หลายในความสัมพันธ์ข้อมูลแบนเดียวใช้ร่วมและรวม นี้ แต่อาจนำไปสู่​​การผลิตขนาดใหญ่ที่ไม่พึงประสงค์ "สากลสัมพันธ์" (ที่เกี่ยวข้องกับทุกแอตทริบิวต์) ยิ่งไปกว่านั้นมันสามารถทำให้เกิดการสูญเสียของข้อมูลรวมทั้งข้อมูลความหมายสำคัญที่แสดงโดยการเชื่อมโยงในการออกแบบฐานข้อมูล.
การทำเหมืองข้อมูล multirelational มีเป้าหมายที่จะค้นพบความรู้โดยตรงจากข้อมูลเชิงสัมพันธ์ มีงานการทำเหมืองข้อมูลที่แตกต่างกัน multirelational รวมทั้ง multirelational classi จริงความสมบูรณ์, การจัดกลุ่มและการทำเหมืองแร่ในรูปแบบที่พบบ่อยการจัดหมวดหมู่ multirelational มีจุดมุ่งหมายเพื่อสร้างแบบจำลองการจัดหมวดหมู่ข้อมูลที่ใช้ในความสัมพันธ์ที่แตกต่างกัน การจัดกลุ่ม multirela-tional มีวัตถุประสงค์เพื่อ tuples กลุ่มเป็นกลุ่มโดยใช้คุณสมบัติของตัวเองของพวกเขาเป็นสิ่งอันดับที่เกี่ยวข้องกับพวกเขาในความสัมพันธ์ที่แตกต่างกัน multirelational การทำเหมืองรูปแบบบ่อยจุดมุ่งหมายที่จะหารูปแบบที่เกี่ยวข้องกับรายการที่เชื่อมต่อกันในความสัมพันธ์ที่แตกต่างกันครั้งแรกที่เราใช้จำแนก multirelational เป็นตัวอย่างเพื่อแสดงให้เห็นวัตถุประสงค์และขั้นตอนของการทำเหมืองข้อมูล multirelational จากนั้นเราจะแนะนำการจัดหมวดหมู่และการจัดกลุ่ม multirelational มุล-tirelational ในรายละเอียดในส่วนต่อไปนี้.
ในฐานข้อมูลสำหรับการจัดหมวดหมู่ multirelational มีความสัมพันธ์เป้าหมายหนึ่ง RT,tuples ซึ่งจะเรียกว่าสิ่งอันดับเป้าหมายและมีความเกี่ยวข้องกับป้ายชื่อที่ชั้น ความสัมพันธ์อื่น ๆ ที่มีความสัมพันธ์ที่ไม่ใช่เป้าหมาย แต่ละความสัมพันธ์อาจจะมีหนึ่งคีย์หลัก (ซึ่งไม่ซ้ำกันระบุสิ่งอันดับในความสัมพันธ์) และคีย์ต่างประเทศหลายคน (ที่เป็นคีย์หลักในความสัมพันธ์สามารถ
แล้วเราเลือกหนึ่งชั้นเป็นชั้นที่เป็นบวกและอื่น ๆ ที่เป็นชั้นในแง่ลบ งานที่สำคัญที่สุดสำหรับการสร้างลักษณนาม multirelational ที่ถูกต้องคือการหาคุณสมบัติที่เกี่ยวข้องในความสัมพันธ์ที่แตกต่างกันที่จะช่วยให้เห็นความแตกต่างในเชิงบวกและเชิงลบ tuples เป้าหมาย

Results (Thai) 2:

วิธีการทำเหมืองแร่ (MRDM) multirelational ข้อมูลค้นหาเกี่ยวข้องกับเปิ้ลหลายตาราง (ความสัมพันธ์) จากฐานข้อมูลเชิงสัมพันธ์ พิจารณาแบบแผน multirelational ของรูป 9.19 ซึ่งกำหนดฐานข้อมูลทางการเงิน แต่ละตารางหรือความสัมพันธ์หมายถึงเอนทิตีหรือความสัมพันธ์ อธิบายชุดของแอททริบิวต์ เชื่อมโยงระหว่างความสัมพันธ์แสดงจัดความสัมพันธ์ระหว่างพวกเขา วิธีหนึ่งจะใช้วิธีการทำเหมืองข้อมูลดั้งเดิม (ซึ่งสมมติว่า ข้อมูลอยู่ในตารางเดียว) propositionalization ซึ่งสามารถแปลงข้อมูล rela-tional หลายความสัมพันธ์ข้อมูลเดียวแบน รวมและรวม ได้ นอกจากนี้นี้ อย่างไรก็ตาม อาจนำไปสร้างความใหญ่ ระวัง "สากลสัมพันธ์" (รวมทั้งหมดของแอตทริบิวต์) นอกจากนี้ มันสามารถทำให้สูญหายของข้อมูล รวมทั้งข้อมูลทางตรรกสำคัญที่แสดงการเชื่อมโยงในฐานข้อมูลออกแบบ
จุดมุ่งหมายของการทำเหมืองข้อมูล Multirelational ได้ความรู้จากข้อมูลเชิง มีงานทำเหมืองข้อมูลแตกต่างกัน multirelational, multirelational classi fication คลัสเตอร์ และทำเหมืองแร่รูปแบบบ่อย ประเภท multirelational มีวัตถุประสงค์เพื่อสร้างแบบจำลองการจัดประเภทที่ใช้ข้อมูลในความสัมพันธ์ที่แตกต่างกัน Multirela tional ระบบคลัสเตอร์เป้าหมายการ tuples กลุ่มเป็นคลัสเตอร์โดยใช้แอตทริบิวต์ของตนเองเช่นเดียวกับการ tuples เกี่ยวข้องกันในความสัมพันธ์ต่าง ๆ ทำเหมืองแร่รูปแบบบ่อย multirelational มีจุดมุ่งหมายที่ค้นหารูปแบบที่เกี่ยวข้องกับรายการเชื่อมต่อกันในความสัมพันธ์ที่แตกต่างกัน เราต้องการจัดประเภท multirelational เป็นตัวอย่างเพื่อแสดงวัตถุประสงค์และขั้นตอนของการทำเหมืองข้อมูล multirelational เราแนะแล้วนำประเภท multirelational และคลัสเตอร์ในรายละเอียดในต่อไปนี้ส่วน tirelational มูล
ในฐานข้อมูลการจัด multirelational มีความสัมพันธ์หนึ่งเป้าหมาย Rt tuples เรียกว่าเป้าหมาย tuples และเกี่ยวข้องกับป้ายชื่อคลาส ความสัมพันธ์อื่น ๆ ที่มีความสัมพันธ์ nontarget แต่ละความสัมพันธ์อาจมีคีย์หลักหนึ่ง (ซึ่งประยุกต์ tuples ในความสัมพันธ์) และหลายคีย์ (ที่สามารถเป็นคีย์หลักในความสัมพันธ์หนึ่ง
ถ้าเราสมมติปัญหาสองชั้น แล้ว เราเลือกชั้นหนึ่งเป็นชั้นบวกชั้นลบอื่น ๆ งานสำคัญที่สุดสำหรับการสร้าง classifier multirelational ที่ถูกต้องจะหาคุณลักษณะที่เกี่ยวข้องในความสัมพันธ์อื่นที่ช่วยแยกแยะ tuples เป้าหมายบวก และลบ

Results (Thai) 3:

multirelational ข้อมูลการทำเหมืองแร่( mrdm )วิธีการค้นหาสำหรับการกำหนดรูปแบบที่เกี่ยวข้องกับโต๊ะหลาย PLE (สัมพันธ์)จากฐานข้อมูลชนิดสัมพันธ์ระหว่างกันที่ พิจารณา schema multirelational ของรูปที่ 9.19 ซึ่งกำหนดฐานข้อมูลทางการเงินที่ ความสัมพันธ์หรือโต๊ะแต่ละตัวเป็นองค์กรที่หรือความสัมพันธ์ที่อธิบายไว้โดยตั้งค่าตัวของแอตทริบิวต์ L ระหว่างความสัมพันธ์แสดงความสัมพันธ์ - เรือระหว่างกันวิธีการหนึ่งในการใช้วิธีใดวิธีหนึ่งด้านการคัดกรองข้อมูลแบบดั้งเดิม(ซึ่งจะต้องเป็นผู้รับผิดชอบว่าข้อมูลที่อยู่ในโต๊ะเดียว)คือ propositionalization ซึ่งจะแปลงข้อมูล rela - tional หลายคนเข้าไปเกี่ยวข้องข้อมูลแบบจอแบนหนึ่งและรวบรวมข้อมูลโดยการใช้เข้าร่วม โรงแรมแห่งนี้แต่ถึงอย่างไรก็ตามยังไม่สามารถนำไปสู่รุ่นใหม่ที่ไม่พึงปรารถนาของขนาดใหญ่"ความสัมพันธ์อเนกประสงค์ที่"(เกี่ยวข้องกับแอตทริบิวต์ทั้งหมด) ยิ่งไปกว่านั้นก็อาจทำให้ในการสูญเสียของข้อมูลรวมถึงข้อมูลเกี่ยวกับความหมายของคำที่สำคัญแทนโดย L ในการออกแบบฐานข้อมูล.ข้อมูล( data mining )
multirelational มีความมุ่งมั่นที่จะสำรวจความรู้โดยตรงจากข้อมูลประกอบไปด้วย มีงานการทำเหมืองแร่ข้อมูล multirelational แตกต่างกันรวมถึง multirelational แบบคลาสสิก - Channel Account ในประเทศและมีการคลัสเตอร์การทำเหมืองแร่รูปแบบเป็นประจำการแบ่ง ประเภท multirelational มีความมุ่งมั่นที่จะสร้างรุ่นการแบ่ง ประเภท ที่ใช้ข้อมูลในความสัมพันธ์ระหว่างกัน ระบบคลัสเตอร์ multirela - tional tuples กลุ่มมีความมุ่งมั่นที่จะเข้าไปในระบบคลัสเตอร์โดยใช้เองเป็นแอตทริบิวต์ tuples ของพวกเขาเป็นอย่างดีที่เกี่ยวข้องกับเขาในความสัมพันธ์ที่แตกต่าง การทำเหมืองแร่รูปแบบเป็นประจำ multirelational มีเป้าหมายอยู่ที่การหารูปแบบการให้รายการเชื่อมต่อเข้าถึงกันในความสัมพันธ์ระหว่างกันเราใช้งานครั้งแรกการแบ่ง ประเภท multirelational เป็นตัวอย่างเพื่อแสดงให้เห็นถึงขั้นตอนและตามวัตถุประสงค์ของการทำเหมืองแร่ข้อมูล multirelational จากนั้นเราจะแนะนำการแบ่ง ประเภท multirelational คลัสเตอร์และ mul - tirelational ในรายละเอียดในส่วนต่างๆต่อไปนี้.
ในฐานข้อมูลสำหรับการแบ่ง ประเภท multirelational มีความสัมพันธ์เป้าหมาย Rtซึ่ง tuples เรียกว่า tuples เป้าหมายและจะมีการเชื่อมโยงกับฉลาก Class ความสัมพันธ์อื่นๆที่เป็นความสัมพันธ์ nontarget แต่ละชุดความสัมพันธ์อาจมีหนึ่งสำคัญ(ซึ่งมีเอกลักษณ์เฉพาะตัวระบุ tuples ในความสัมพันธ์)และปุ่มต่างประเทศหลายแห่ง(ที่คีย์หลักที่หนึ่งในความสัมพันธ์สามารถตอบแทน
จากนั้นเราจะรับท่านหนึ่ง - class ในระดับ First Class ในเชิงบวกและอื่นๆที่เป็นที่เป็นไปในเชิงลบ งานที่สำคัญมากที่สุดสำหรับการสร้างลักษณนาม multirelational ได้อย่างถูกต้องและแม่นยำในการค้นหาคุณสมบัติที่เกี่ยวข้องในความสัมพันธ์ที่แตกต่างกันไปช่วยสร้างความแตกต่าง tuples เป้าหมายในทางบวกและลบ