Knowledge Discovery and Measures of Interest

ویرایش: 1 
نویسندگان: Robert J. Hilderman,  Howard J. Hamilton (auth.)  
سری: The Springer International Series in Engineering and Computer Science 638 
ISBN (شابک) : 9781441949134, 9781475732832 
ناشر: Springer US 
سال نشر: 2001 
تعداد صفحات: 169 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 34,000



کشف دانش و معیارهای علاقه یک کتاب مرجع برای محققان، شاغلین و دانشجویان کشف دانش است. محقق کشف دانش متوجه خواهد شد که این ماده یک پایه نظری برای معیارهای مورد علاقه در کاربردهای داده کاوی فراهم می کند که در آن معیارهای تنوع برای رتبه بندی خلاصه های تولید شده از پایگاه های داده استفاده می شود. کارشناس کشف دانش شواهد تجربی محکمی پیدا خواهد کرد که بر اساس آن تصمیمات مربوط به انتخاب اقدامات در کاربردهای داده کاوی را مبنای تصمیم گیری قرار می دهد. دانشجوی کشف دانش در دوره کارشناسی ارشد یا کارشناسی ارشد در پایگاه‌های اطلاعاتی و داده‌کاوی، این کتاب را مقدمه خوبی برای مفاهیم و تکنیک‌های معیارهای مورد علاقه می‌داند.
در کشف دانش و معیارهای علاقه em>، ما دو مرحله مرتبط نزدیک در هر سیستم کشف دانش را مطالعه می کنیم: تولید دانش کشف شده. و تفسیر و ارزیابی دانش کشف شده. در مرحله تولید، خلاصه‌سازی داده‌ها را مطالعه می‌کنیم، که در آن یک مجموعه داده می‌تواند به روش‌های مختلف و به سطوح مختلف دانه‌بندی با توجه به نمودارهای تعمیم دامنه تعمیم داده شود. در مرحله تفسیر و ارزیابی، معیارهای تنوع را به عنوان اکتشافی برای رتبه‌بندی جذابیت خلاصه‌های تولید شده مطالعه می‌کنیم.
هدف این کار معرفی و ارزیابی تکنیکی برای رتبه‌بندی جذابیت الگوهای کشف‌شده در داده‌ها است. این شامل چهار هدف اصلی است:

• معرفی نمودارهای تعمیم دامنه برای توصیف و راهنمایی تولید خلاصه از پایگاه های داده.
• معرفی و ارزیابی الگوریتم های سریال و موازی که فضای تعمیم دامنه توصیف شده توسط نمودارهای تعمیم دامنه را طی می کنند.
• معرفی و ارزیابی معیارهای تنوع به عنوان معیارهای اکتشافی جذابیت برای رتبه بندی خلاصه های تولید شده از پایگاه های داده.
• برای ایجاد پایه اولیه برای نظریه جالب بودن در چارچوب خلاصه های رتبه بندی تولید شده از پایگاه های داده.

کشف دانش و معیارهای علاقه به عنوان متن ثانویه در دوره تحصیلات تکمیلی و به عنوان مرجع برای محققان و دست اندرکاران صنعت مناسب است.

Knowledge Discovery and Measures of Interest is a reference book for knowledge discovery researchers, practitioners, and students. The knowledge discovery researcher will find that the material provides a theoretical foundation for measures of interest in data mining applications where diversity measures are used to rank summaries generated from databases. The knowledge discovery practitioner will find solid empirical evidence on which to base decisions regarding the choice of measures in data mining applications. The knowledge discovery student in a senior undergraduate or graduate course in databases and data mining will find the book is a good introduction to the concepts and techniques of measures of interest.
In Knowledge Discovery and Measures of Interest, we study two closely related steps in any knowledge discovery system: the generation of discovered knowledge; and the interpretation and evaluation of discovered knowledge. In the generation step, we study data summarization, where a single dataset can be generalized in many different ways and to many different levels of granularity according to domain generalization graphs. In the interpretation and evaluation step, we study diversity measures as heuristics for ranking the interestingness of the summaries generated.
The objective of this work is to introduce and evaluate a technique for ranking the interestingness of discovered patterns in data. It consists of four primary goals:

• To introduce domain generalization graphs for describing and guiding the generation of summaries from databases.
• To introduce and evaluate serial and parallel algorithms that traverse the domain generalization space described by the domain generalization graphs.
• To introduce and evaluate diversity measures as heuristic measures of interestingness for ranking summaries generated from databases.
• To develop the preliminary foundation for a theory of interestingness within the context of ranking summaries generated from databases.

Knowledge Discovery and Measures of Interest is suitable as a secondary text in a graduate level course and as a reference for researchers and practitioners in industry.

Front Matter....Pages i-xvii
Introduction....Pages 1-9
Background and Related Work....Pages 11-23
A Data Mining Technique....Pages 25-35
Heuristic Measures of Interestingness....Pages 37-46
An Interestingness Framework....Pages 47-97
Experimental Analyses....Pages 99-122
Conclusion....Pages 123-127
Back Matter....Pages 129-162