As one of the position statements i

As one of the position statements in this special issue states (Domingos; this issue), (multi-)relational data min- ing (MRDM) is a field whose time has come. The present article provides an entry point into this lively and exciting research area. Since many of the MRDM techniques around have their origin in logic-based approaches to learning and inductive logic programming (ILP), an introduction to ILP was given first. Three major approaches to MRDM were covered next: relational association rules, relational deci- sion trees and relational distance-based approaches. Finally, a brief overview of the literature and Internet resources in this area were provided for those looking for more detailed information. While a variety of successful applications of MRDM exist, these are not covered in this article: we refer the reader to [20], as well as Page and Craven; Domingos; and Getoor (this issue). The bulk of this special issue is devoted to hot topics and recent advances in MRDM. To some extent, hot topics in MRDM mirror hot topics in data mining and machine learn- ing. These include ensemble methods (not covered here, see, e.g., Chapter 12 of [16]), kernel methods (Gaertner; this is- sue), probabilistic methods (De Raedt and Kersting; this is- sue), and scalability issues (Blockeel and Sebag; this issue). The same goes for application areas, with computational bi- ology and bioinformatics being the most popular (Page and Craven; this issue). Web mining and link mining (link analy- sis/link discovery) follow suit (Domingos; this issue; Getoor; this issue).
Mining data that is richer in structure than a single ta- ble is rightfully attracting an ever increasing amount of re- search effort. It is important to realize that the formulation of multi-relational data mining is very general and has as special cases mining of data in the form of sequences, trees, and graphs. A survey article (Washio and Motoda; this is- sue) and a position statement (Holder and Cook; this issue) on mining data in the form of graphs are included in this special issue. Exploring representations that are richer than propositional and poorer than full first-order logic may be well worthwhile, because of the possibility to design more efficient algorithms.
In summary, the issue provide an introduction to the im- portant and exciting research field of multi-relational data mining. It also outlines recent advances and interesting open questions. (The latter include, for example, the seamless integration of MRDM approaches within actual database management systems (DBMSs) and using the query opti- mization techniques of the DBMSs to improve the efficiency of MRDM approaches.) In this way, we hope to attract the attention of data mining researchers and stimulate new re- search and solutions to open problems in this area, which can have practical applications and far reaching implications for the entire field of data mining.

Results (Thai) 1:

เป็นหนึ่งในงบตำแหน่งในครั้งนี้ปัญหารัฐพิเศษ (Domingos; ปัญหานี้), (หลาย) ข้อมูลเชิงสัมพันธ์นาทีไอเอ็นจี (mrdm) เป็นเขตที่มีเวลามา บทความปัจจุบันให้จุดเริ่มต้นเข้ามาในพื้นที่การวิจัยครั้งนี้มีชีวิตชีวาและน่าตื่นเต้น ตั้งแต่หลายเทคนิค mrdm รอบมีต้นกำเนิดของพวกเขาในวิธีการตรรกะที่ใช้ในการเรียนรู้และการโปรแกรมตรรกะอุปนัย (ILP)แนะนำให้รู้จักกับ ILP ได้รับครั้งแรก สามวิธีที่สำคัญที่จะ mrdm ถูกปกคลุมไป: กฎสมาคมสัมพันธ์ต้นไม้ deci-ไซออนสัมพันธ์และวิธีการระยะตามความสัมพันธ์ ในที่สุดภาพรวมคร่าวๆของทรัพยากรวรรณกรรมและอินเทอร์เน็ตในพื้นที่นี้ถูกจัดเตรียมไว้สำหรับผู้ที่มองหารายละเอียดเพิ่มเติม ในขณะที่ความหลากหลายของการใช้งานที่ประสบความสำเร็จของ mrdm อยู่เหล่านี้ไม่ได้กล่าวถึงในบทความนี้เราดูผู้อ่าน [20] เช่นเดียวกับที่หน้าและขี้ขลาด; Domingos และ getoor (เรื่องนี้) เป็นกลุ่มของปัญหาพิเศษนี้จะอุทิศให้กับหัวข้อร้อนและความก้าวหน้าล่​​าสุดใน mrdm ที่มีขอบเขตหัวข้อร้อนใน mrdm กระจกหัวข้อร้อนในการทำเหมืองข้อมูลและเครื่องเรียนรู้ไอเอ็นจี เหล่านี้รวมถึงวิธีการทั้งมวล (ไม่ได้ครอบคลุมที่นี่ดูเช่นบทที่ 12 ของ [16])วิธีการเคอร์เนล (Gaertner นี้เป็น-ฟ้อง) วิธีการน่าจะเป็น (เด raedt และ Kersting นี้เป็น-ฟ้อง) และปัญหา scalability (blockeel และ Sebag; ปัญหานี้) เดียวกันจะไปสำหรับการใช้งานที่มีการคำนวณสอง ology และชีวสารสนเทศเป็นที่นิยมมากที่สุด (หน้าและขี้ขลาด; ปัญหานี้) การทำเหมืองแร่และเหมืองแร่เว็บลิงค์ (การค้นพบการเชื่อมโยง ANALY-sis / link) ตามเหมาะสม (Domingos; ปัญหานี้getoor. ปัญหานี้)
ข้อมูลการทำเหมืองแร่ที่มีมากขึ้นในโครงสร้างกว่าเดียวตาเบิ้ลที่ถูกต้องดึงดูดจำนวนที่เพิ่มขึ้นของความพยายามอีกครั้งในการค้นหา มันเป็นสิ่งสำคัญที่จะรู้ว่าสูตรของการทำเหมืองข้อมูลหลายสัมพันธ์เป็นทั่วไปมากและมีกรณีพิเศษเช่นการทำเหมืองแร่ของข้อมูลในรูปแบบของลำดับต้นไม้และกราฟ บทความการสำรวจ (Washio และ motoda;นี้เป็น-ฟ้อง) และงบตำแหน่ง (ผู้ถือและปรุงอาหาร; ปัญหานี้) ในการทำเหมืองข้อมูลในรูปแบบของกราฟจะรวมอยู่ในฉบับพิเศษนี้ การสำรวจเป็นตัวแทนที่มีความยิ่งขึ้นกว่าประพจน์และด้อยกว่าตรรกะลำดับแรกเต็มรูปแบบอาจจะคุ้มค่าอย่างดีเพราะความเป็นไปได้ในการออกแบบขั้นตอนวิธีการที่มีประสิทธิภาพมากขึ้น.
ในสรุปปัญหาให้การแนะนำในการ im-สำคัญเช่นเดียวกันและสนามที่น่าตื่นเต้นของการวิจัยหลายการทำเหมืองข้อมูลเชิงสัมพันธ์ ก็ยังแสดงความก้าวหน้าที่ผ่านมาและคำถามเปิดที่น่าสนใจ (หลังรวมถึงยกตัวอย่างเช่นรวมราบรื่นของ mrdm วิธีในระบบการจัดการฐานข้อมูลที่เกิดขึ้นจริง (DBMSs) และการใช้แบบสอบถามเทคนิค OPTI-mization DBMSs ของการปรับปรุงประสิทธิภาพของวิธีการ mrdm.) ในลักษณะนี้เราหวังว่าจะดึงดูดความสนใจของนักวิจัยการทำเหมืองข้อมูลและกระตุ้นการ ใหม่อีกครั้งการค้นหาและการแก้ปัญหาที่จะเปิดปัญหาในพื้นที่นี้ซึ่งจะมีการใช้งานจริงและผลกระทบไกลถึงสำหรับเขตข้อมูลทั้งหมดของการทำเหมืองข้อมูล.

Results (Thai) 2:

เป็นหนึ่งคำสั่งตำแหน่งในอเมริกาฉบับพิเศษนี้ (Domingos ปัญหานี้), (multi-) ข้อมูลเชิง min-ing (MRDM) เป็นเขตเวลาที่มา บทความปัจจุบันมีจุดเข้ามามีชีวิตชีวา และน่าตื่นเต้น เนื่องจากหลายเทคนิค MRDM รอบมีจุดเริ่มต้นของพวกเขาในตรรกะโดยใช้วิธีการเรียนรู้และการโปรแกรมตรรกะเชิงอุปนัย (ILP), บทนำ ILP ได้รับครั้งแรก แนวทางหลักสาม MRDM ได้ครอบคลุมต่อไป: สมาคมสัมพันธ์ ต้นไม้เชิง deci-sion และแนวทางตามระยะทางเชิง สุดท้าย ภาพรวมโดยย่อของวรรณกรรมและทรัพยากรของอินเทอร์เน็ตในพื้นที่นี้ได้สำหรับข้อมูลเพิ่มเติม ในขณะที่ความหลากหลายของความสำเร็จของ MRDM อยู่ เหล่านี้จะไม่รวมอยู่ในบทความนี้: เราถึงอ่าน [20], หน้าและ Craven Domingos และ Getoor (ปัญหานี้) จำนวนมากของปัญหาพิเศษนี้จะทุ่มเทเพื่อหัวข้อร้อนและล่าสุดก้าว MRDM บ้าง ร้อนหัวข้อในหัวข้อร้อนกระจก MRDM ในการทำเหมืองข้อมูลและเครื่องเรียนรู้-ไอเอ็นจี รวมถึงวงดนตรีวิธี (ไม่รวมอยู่ที่นี่ ดู เช่น 12 บทของ [16]), วิธีเคอร์เนล (Gaertner นี้ - ฟ้อง), วิธี probabilistic (De Raedt และ Kersting นี้ - ฟ้อง), และปัญหาภาระ (Blockeel และ Sebag ปัญหานี้) เช่นเดียวกับพื้นที่แอพพลิเคชัน bi-ology คำนวณกับ bioinformatics เป็นนิยมมากที่สุด (หน้าและ Craven ปัญหานี้) เว็บทำเหมืองแร่และเหมืองลิงค์ (ค้นพบ analy sis/ลิงค์ เชื่อมโยง) ตามชุด (Domingos ปัญหา Getoor ปัญหานี้) .
ทำเหมืองข้อมูลที่ขึ้นในโครงสร้างมากกว่าเดียวตา-ble เป็นพวกดึงดูดจำนวนความพยายามค้นหาเรื่องที่เคยเพิ่มขึ้น สำคัญว่า กำหนดของการทำเหมืองข้อมูลหลายเชิงทั่วไปมาก และได้เป็นกรณีพิเศษการทำเหมืองข้อมูลในแบบฟอร์มลำดับ ต้นไม้ และกราฟได้ บทความสำรวจ (Washio และ Motoda นี้ - บางซื่อ) และรายงานตำแหน่ง (ใส่และปรุง ปัญหานี้) ข้อมูลการทำเหมืองในรูปแบบของกราฟจะรวมอยู่ในฉบับพิเศษนี้ สำรวจแทนที่ยิ่งขึ้นกว่า propositional และย่อมกว่าตรรกะลำดับแรกเต็ม อาจจะคุ้มค่าดี เนื่องจากความสามารถในการออกแบบมากอัลกอริทึมการ
สรุป ปัญหาให้แนะนำ im เกาะและเขตวิจัยตื่นเต้นทำเหมืองหลายเชิง มันยังแสดงความก้าวหน้าล่าสุดและเปิดคำถามที่น่าสนใจ (หลังรวม เช่น การรวมของ MRDM ยื่นภายในระบบการจัดการฐานข้อมูลจริง (DBMSs) และใช้เทคนิค opti mization แบบสอบถามของ DBMSs เพื่อปรับปรุงประสิทธิภาพของ MRDM ยื่น) ด้วยวิธีนี้ เราหวังว่าจะดึงดูดความสนใจของนักวิจัยการทำเหมืองข้อมูล และกระตุ้นใหม่ใหม่ค้นหาและแก้ไขปัญหาการเปิดปัญหาในพื้นที่นี้ ซึ่งได้ประยุกต์ใช้งานจริงและผลกระทบที่เข้าใกล้ไกลสำหรับฟิลด์ทั้งหมดของการทำเหมืองข้อมูลได้

Results (Thai) 3:

เป็นหนึ่งในงบตำแหน่งที่อยู่ในสถานะพิเศษนี้( domingos ปัญหานี้)( multi - )ประกอบไปด้วยข้อมูลนาที - ไอเอ็นจีประกันชีวิต( mrdm )คือสนามที่มีเวลาได้มา ข้อนี้จัดให้บริการจุดที่เข้าไปสู่บริเวณงานวิจัยและมีชีวิตชีวาน่าตื่นตาตื่นใจรายการนี้ นับตั้งแต่จำนวนมากของ mrdm เทคนิคโดยรอบมีที่มาของพวกเขาในแนวทางการใช้เพื่อการตั้งโปรแกรมวงจรเหนี่ยวนำและการเรียนรู้( ilp )การแนะนำ ilp ได้รับครั้งแรก สามแนวทางสำคัญในการ mrdm ถัดไปก็มีกฎระเบียบการเชื่อมโยงรายย่อยรายย่อยต้นหนึ่งในสิบซียงแนวทางและระยะทางซึ่งประกอบไปด้วย บทสรุปสุดท้ายบทสรุปของทรัพยากรอินเทอร์เน็ตและเอกสารที่มีอยู่ในพื้นที่แห่งนี้ได้จัดให้บริการสำหรับผู้ที่กำลังมองหาข้อมูลโดยละเอียดยิ่งขึ้น ในขณะที่ความหลากหลายของแอปพลิเคชันประสบความสำเร็จของ mrdm มีอยู่เหล่านี้ไม่ได้อยู่ในข้อนี้เราดูผู้อ่าน[ 20 ]และหน้าและถลา domingos และ getoor (ปัญหานี้) เป็นจำนวนมากที่มีปัญหาพิเศษรายการนี้คือทุ่มเทในหัวข้อต่างๆแบบร้อนและความก้าวหน้าของเทคโนโลยีล่าสุดใน mrdm. ในระดับหนึ่งหัวข้อที่น่าสนใจในหัวข้อความร้อนกระจก mrdm ในเครื่องและการทำเหมืองแร่ข้อมูลโปรดดูข้อมูล - ไอเอ็นจีประกันชีวิต เหล่านี้รวมถึงวิธีการกระบวนการ(ไม่ครอบคลุมอยู่ณที่นี่ท่านจะได้เห็นเช่นบทที่ 12 ของ[ 16 ])วิธีการเคอร์เนล( gaertner นี้คือ - ซู)วิธีการ probabilistic ( de raedt kersting และในส่วนนี้คือ - ซู)และปัญหาความสามารถในการปรับขนาด( blockeel และ sebag ปัญหานี้) เหมือนกับที่ไปสำหรับพื้นที่แอปพลิเคชันพร้อมด้วยนวัตกรรม Bi - ology โออินฟอร์เมติกส์,และการที่ได้รับความนิยมอย่างสูงสุด(หน้าและถลาปัญหานี้) การทำเหมืองแร่ลิงค์และการทำเหมืองแร่เว็บ(การค้นพบลิงค์ analy - ...../ Link )ตามความเหมาะสม( domingos ปัญหานี้getoor ปัญหานี้จะทำให้ข้อมูล)..
การทำเหมืองแร่ที่มี ประสิทธิภาพ มากยิ่งขึ้นในโครงสร้างมากกว่าหนึ่งตา - ble ที่เป็นสิ่งดึงดูดใจจำนวนเพิ่มขึ้นของความพยายามอีกครั้งการค้นหาที่ถูกต้อง. เป็นเรื่องสำคัญที่จะต้องทำให้เป็นจริงได้ที่วางของการทำเหมืองแร่ข้อมูลแบบมัลติ - รายย่อยมีลักษณะโดยทั่วไปเป็นอย่างมากและมีเป็นกรณีพิเศษการทำเหมืองแร่ของข้อมูลในรูปแบบของซีเควนซ์ของต้นไม้และกราฟ ข้อการสำรวจความคิดเห็น( washio และ motodaโรงแรมแห่งนี้คือ - ซู)และบัญชีตำแหน่งที่(ที่ใส่และปรุงอาหารปัญหานี้)ในข้อมูลการทำเหมืองแร่ในรูปแบบของกราฟ(รวมอยู่ในปัญหาพิเศษนี้ การสำรวจการรับรองที่มี ประสิทธิภาพ มากยิ่งขึ้นกว่าแบบใช้ญัตติและยากจนมากกว่าเชิงตรรกะเต็มครั้งแรก - การสั่งซื้ออาจจะมีความคุ้มค่าเป็นอย่างดีเพราะมีความเป็นไปได้ที่จะมี ประสิทธิภาพ มากขึ้นการออกแบบอัลกอริธึม.
ในการสรุปข้อมูลปัญหา,วิธีการแก้ไขปัญหา,ที่จัดให้บริการคำแนะนำสำหรับการวิจัยไม่ portant และที่น่าตื่นตาตื่นใจของการทำเหมืองแร่ข้อมูลแบบมัลติ - รายย่อย นอกจากนี้ยังอธิบายคำถามเปิดให้บริการเมื่อไม่นานมานี้น่าสนใจและความก้าวหน้าของเทคโนโลยี (ซึ่งรวมถึงตัวอย่างเช่นการผนวกรวมอย่างมี ประสิทธิภาพ ของ mrdm แนวทางในระบบการจัดการฐานข้อมูลจริง( dbmss )และการใช้คำถามแบบ Opti - mization เทคนิคของ dbmss เพื่อปรับปรุง ประสิทธิภาพ ของ mrdm แนวทาง.)ในลักษณะนี้เราหวังว่าจะได้รับความสนใจจากนักวิจัยด้านการคัดกรองข้อมูลและโซลูชันและกระตุ้นอีกครั้งใหม่ในการค้นหาข้อมูลในการเปิดปัญหาในพื้นที่แห่งนี้ซึ่งจะมีแอปพลิเคชันในทางปฏิบัติและความเกี่ยวพันกับไกลออกไปสำหรับฟิลด์ทั้งหมดของการทำเหมืองแร่ข้อมูล.