Multirelational data mining (MRDM)

Multirelational data mining (MRDM) methods search for patterns that involve multiple 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:

วิธีการทำเหมืองแร่ (MRDM) multirelational ข้อมูลค้นหาเกี่ยวข้องกับหลายตาราง (ความสัมพันธ์) จากฐานข้อมูลเชิงสัมพันธ์ พิจารณาแบบแผน multirelational ของรูป 9.19 ซึ่งกำหนดฐานข้อมูลทางการเงิน แต่ละตารางหรือความสัมพันธ์หมายถึงเอนทิตีหรือความสัมพันธ์ อธิบายชุดของแอททริบิวต์ เชื่อมโยงระหว่างความสัมพันธ์แสดงจัดความสัมพันธ์ระหว่างพวกเขา วิธีหนึ่งจะใช้วิธีการทำเหมืองข้อมูลดั้งเดิม (ซึ่งสมมติว่า ข้อมูลอยู่ในตารางเดียว) propositionalization ซึ่งสามารถแปลงข้อมูล rela-tional หลายความสัมพันธ์ข้อมูลเดียวแบน รวมและรวม ได้ นี้ อย่างไรก็ตาม อาจสร้างความใหญ่ ระวัง "สากลสัมพันธ์" (เกี่ยวข้องกับแอตทริบิวต์ทั้งหมด) นอกจากนี้ มันอาจทำให้สูญหายของข้อมูล รวมทั้งข้อมูลทางตรรกสำคัญที่แสดงการเชื่อมโยงในการออกแบบฐานข้อมูลการทำเหมืองข้อมูล multirelational มีวัตถุประสงค์เพื่อค้นพบความรู้โดยตรงจากข้อมูลเชิงสัมพันธ์ มีงานทำเหมืองข้อมูลแตกต่างกัน multirelational, multirelational classi fication คลัสเตอร์ และทำเหมืองแร่รูปแบบบ่อย ประเภท multirelational มีวัตถุประสงค์เพื่อสร้างแบบจำลองการจัดประเภทที่ใช้ข้อมูลในความสัมพันธ์ที่แตกต่างกัน Multirela tional ระบบคลัสเตอร์มีวัตถุประสงค์เพื่อกลุ่ม tuples ในคลัสเตอร์โดยใช้แอตทริบิวต์ของตนเองเช่นเดียวกับการ tuples เกี่ยวข้องกันในความสัมพันธ์ต่าง ๆ ทำเหมืองแร่รูปแบบบ่อย multirelational มีจุดมุ่งหมายที่ค้นหารูปแบบที่เกี่ยวข้องกับรายการเชื่อมต่อกันในความสัมพันธ์ที่แตกต่างกัน เราต้องการจัดประเภท multirelational เป็นตัวอย่างเพื่อแสดงวัตถุประสงค์และขั้นตอนของการทำเหมืองข้อมูล multirelational เราแล้วแนะนำประเภท multirelational และ tirelational มูลที่คลัสเตอร์ในรายละเอียดในส่วนต่อไปนี้ในฐานข้อมูลการจัด multirelational มีความสัมพันธ์หนึ่งเป้าหมาย Rt, tuples เรียกว่าเป้าหมาย tuples และเกี่ยวข้องกับป้ายชื่อคลาส ความสัมพันธ์อื่น ๆ ที่มีความสัมพันธ์ nontarget แต่ละความสัมพันธ์อาจมีคีย์หลักหนึ่ง (ซึ่งประยุกต์ tuples ในความสัมพันธ์) และหลายคีย์ซึ่งคีย์หลักในความสัมพันธ์หนึ่งมี เชื่อมโยงกับคีย์อีก) ถ้าเราสมมติปัญหาสองชั้น แล้วเราเลือกชั้นหนึ่งเป็นชั้นบวกชั้นลบอื่น ๆ งานสำคัญที่สุดสำหรับการสร้าง classifier multirelational ที่ถูกต้องจะหาคุณลักษณะที่เกี่ยวข้องในความสัมพันธ์อื่นที่ช่วยแยกแยะ tuples เป้าหมายบวก และลบ

Results (Thai) 2:

การทำเหมืองข้อมูล Multirelational ค้นหา (MRDM) วิธีการหารูปแบบที่เกี่ยวข้องกับหลายตาราง (ความสัมพันธ์) จากฐานข้อมูลเชิงสัมพันธ์ พิจารณาคี multirelational รูปที่ 9.19 ซึ่งกำหนดฐานข้อมูลทางการเงิน แต่ละตารางหรือความสัมพันธ์ที่เป็นตัวแทนของหน่วยงานหรือความสัมพันธ์ที่อธิบายโดยชุดของคุณลักษณะ การเชื่อมโยงระหว่างความสัมพันธ์ที่แสดงความสัมพันธ์ระหว่างพวกเขา วิธีการหนึ่งที่จะใช้วิธีการแบบดั้งเดิมการทำเหมืองข้อมูล (ซึ่งสมมติว่าข้อมูลที่อยู่ในตารางเดียว) เป็น propositionalization ซึ่งแปลงข้อมูลระหว่างประเทศหลายสัมพันธ์เป็นความสัมพันธ์ข้อมูลแบนเดียวใช้ร่วมและการรวม นี้ แต่อาจนำไปสู่การผลิตขนาดใหญ่ที่ไม่พึงประสงค์ "ความสัมพันธ์สากล" (ที่เกี่ยวข้องกับทุกแอตทริบิวต์) นอกจากนี้ยังจะส่งผลในการสูญเสียของข้อมูลรวมทั้งข้อมูลความหมายสำคัญที่แสดงโดยการเชื่อมโยงในการออกแบบฐานข้อมูล
การทำเหมืองข้อมูล Multirelational มีจุดมุ่งหมายที่จะค้นพบความรู้โดยตรงจากข้อมูลเชิงสัมพันธ์ มีงานการทำเหมืองข้อมูลที่แตกต่างกัน multirelational รวมทั้งการอ้าง multirelational classi- การจัดกลุ่มและการทำเหมืองแร่แบบบ่อย การจัดหมวดหมู่ Multirelational มีจุดมุ่งหมายเพื่อสร้างแบบจำลองการจัดหมวดหมู่ข้อมูลที่ใช้ในความสัมพันธ์ที่แตกต่างกัน การจัดกลุ่ม tional Multirela- มีจุดมุ่งหมายเพื่อกลุ่ม tuples เป็นกลุ่มโดยใช้คุณลักษณะของพวกเขาเองรวมทั้งสิ่งอันดับที่เกี่ยวข้องกับพวกเขาในความสัมพันธ์ที่แตกต่างกัน การทำเหมืองแร่ Multirelational รูปแบบที่พบบ่อยมีจุดมุ่งหมายในการหารูปแบบที่เกี่ยวข้องกับรายการที่เชื่อมโยงกันในความสัมพันธ์ที่แตกต่างกัน ครั้งแรกที่เราใช้การจัดหมวดหมู่ multirelational เป็นตัวอย่างที่แสดงให้เห็นถึงวัตถุประสงค์และขั้นตอนของการทำเหมืองข้อมูล multirelational จากนั้นเราจะแนะนำการจัดหมวดหมู่ multirelational และหลายชุดการจัดกลุ่ม tirelational ในรายละเอียดในส่วนต่อไปนี้
ในฐานข้อมูลสำหรับการจัดหมวดหมู่ multirelational มีความสัมพันธ์กับเป้าหมายหนึ่ง Rt ซึ่งสิ่งอันดับจะเรียกว่าสิ่งอันดับเป้าหมายและมีความเกี่ยวข้องกับป้ายชั้น ความสัมพันธ์อื่น ๆ ที่มีความสัมพันธ์ nontarget แต่ละคนอาจจะมีความสัมพันธ์กับหนึ่งในคีย์หลัก (ซึ่งไม่ซ้ำกันระบุ tuples ที่เกี่ยวข้อง) และคีย์ต่างประเทศหลายคน (ที่มีคีย์หลักในความสัมพันธ์ที่สามารถ
จะเชื่อมโยงกับต่างประเทศที่สำคัญในการควบคุม) ถ้าเราสมมติปัญหาสองระดับแล้วเราเลือกหนึ่งชั้นเป็นชั้นที่เป็นบวกและอื่น ๆ ที่เป็นชั้นในแง่ลบ งานที่สำคัญที่สุดสำหรับการสร้างลักษณนาม multirelational ที่ถูกต้องคือการหาคุณสมบัติที่เกี่ยวข้องในความสัมพันธ์ที่แตกต่างกันที่จะช่วยให้เห็นความแตกต่างในเชิงบวกและเชิงลบ tuples เป้าหมาย

Results (Thai) 3:

การทำเหมืองข้อมูล multirelational ( mrdm ) วิธีการค้นหาสำหรับรูปแบบที่เกี่ยวข้องกับหลายตาราง ( ความสัมพันธ์ ) จากฐานข้อมูลเชิงสัมพันธ์ พิจารณารูปแบบของรูป multirelational 9.19 ซึ่งกำหนดฐานข้อมูลทางการเงิน แต่ละตารางหรือสัมพันธภาพหมายถึงความสัมพันธ์เอนทิตี หรือ อธิบาย โดยชุดของแอตทริบิวต์ การเชื่อมโยงระหว่างความสัมพันธ์แสดงความสัมพันธ์ - เรือระหว่างพวกเขาวิธีการหนึ่งที่จะใช้วิธีการทำเหมืองข้อมูลแบบดั้งเดิม ( ซึ่งสมมติว่าข้อมูลที่อยู่ในโต๊ะเดียว ) เป็น propositionalization ซึ่งแปลงหลายจริง - ข้อมูลระหว่างประเทศเป็นแบนเดียวความสัมพันธ์ข้อมูล การรวมและการรวม . นี้ , อย่างไรก็ตาม , อาจนำไปสู่การสร้างขนาดใหญ่ ที่ไม่พึงประสงค์ " universal สัมพันธ์ " ( ที่เกี่ยวข้องกับการทั้งหมดของแอตทริบิวต์ ) นอกจากนี้มันได้ผลในการสูญเสียของข้อมูล รวมทั้งสรุปข้อมูลที่แสดงความหมายโดยการเชื่อมโยงในการออกแบบฐานข้อมูล .
multirelational การทำเหมืองข้อมูลเพื่อวิเคราะห์ความรู้โดยตรงจากข้อมูลเชิงสัมพันธ์ มีงานทำเหมืองข้อมูล multirelational ต่าง ๆรวมทั้ง multirelational classi - fication , การจัดกลุ่มและเหมืองแร่แบบบ่อยหมวดหมู่ multirelational มีวัตถุประสงค์เพื่อสร้างแบบจำลองที่ใช้ในการจำแนกข้อมูลความสัมพันธ์ที่แตกต่างกัน multirela - tional กลุ่มที่มีการจัดกลุ่มเป้าหมายเป็นกลุ่มโดยใช้คุณลักษณะของตนเองเช่นเดียวกับที่มีเกี่ยวข้องกับพวกเขาในความสัมพันธ์ที่แตกต่างกัน multirelational บ่อยรูปแบบเหมืองแร่ครั้งนี้มีจุดมุ่งหมายที่จะศึกษารูปแบบที่เกี่ยวข้องกับรายการที่เชื่อมโยงในความสัมพันธ์ที่แตกต่างกันเราใช้หมวดหมู่ multirelational เป็นตัวอย่างเพื่อแสดงให้เห็นวัตถุประสงค์และกระบวนการของการทำเหมืองข้อมูล multirelational . จากนั้นเราแนะนำการจำแนกและ multirelational มุล tirelational clustering ในรายละเอียดในส่วนต่อไปนี้ .
ในฐานข้อมูลการจำแนก multirelational มีเป้าหมายเดียวคือ RT ,ใครที่มีชื่อที่มีเป้าหมายและเกี่ยวข้องกับป้ายห้อง ความสัมพันธ์อื่น ๆ nontarget ความสัมพันธ์ แต่ละความสัมพันธ์จะเป็นคีย์หลัก ( ซึ่งมีระบุทูเปิลในความสัมพันธ์ ) และคีย์ต่างประเทศหลาย ๆ ( ที่เป็นคีย์หลักในความสัมพันธ์สามารถ
จะเชื่อมโยงกับคีย์ต่างประเทศอีก ) ถ้าเราถือว่าปัญหาเป็นสองคลาสแล้วเราเลือกเรียนเป็นเรียนบวกและอื่น ๆเป็นระดับติดลบ งานที่สำคัญที่สุดสำหรับการสร้างที่ถูกต้อง multirelational ลักษณนามคือเพื่อหาคุณสมบัติที่เกี่ยวข้องในความสัมพันธ์ที่แตกต่างกันที่ช่วยแยกแยะระหว่างบวกและลบที่มีเป้าหมาย