Knowledge Discovery in Multiple Databases

بسیاری از سازمان ها نیاز مبرمی به استخراج پایگاه داده های متعدد خود دارند که به طور ذاتی در شعب توزیع شده اند (داده های توزیع شده). به ویژه، از آنجایی که وب به سرعت در حال تبدیل شدن به یک سیل اطلاعات است، افراد و سازمان ها می توانند اطلاعات و دانش کم هزینه در اینترنت را هنگام تصمیم گیری در نظر بگیرند. چگونگی شناسایی کارآمد دانش با کیفیت از منابع داده های مختلف به یک چالش مهم تبدیل شده است. این چالش بسیاری از محققان از جمله نویسندگانی را که تجزیه و تحلیل الگوی محلی، یک استراتژی جدید برای پوشش برخی از انواع الگوهای بالقوه مفید که نمی‌توانند در تکنیک‌های کاوی چندپایه‌ای سنتی استخراج شوند، ایجاد کرده‌اند، جذب کرده است. تجزیه و تحلیل الگوی محلی، کشف الگوی با کارایی بالا را از چندین پایگاه داده ارائه می دهد. پیشرفت قابل توجهی در زمینه کاوی چند پایگاه داده در زمینه هایی مانند فرا یادگیری سلسله مراتبی، کاوی جمعی، طبقه بندی پایگاه داده و کشف ویژگی های خاص صورت گرفته است. در حالی که این تکنیک ها همچنان موضوعات مورد علاقه آینده در مورد کاوی چند پایگاه داده هستند، این کتاب بر روی این موضوعات جالب در چارچوب تجزیه و تحلیل الگوی محلی تمرکز دارد. این کتاب برای محققان و دانشجویان در داده کاوی، تجزیه و تحلیل داده های توزیع شده، یادگیری ماشین و هر کسی که علاقه مند به کاوی چند پایگاهی است در نظر گرفته شده است. همچنین برای استفاده به عنوان مکمل متن برای دوره های گسترده تر که ممکن است شامل کشف دانش در پایگاه های داده و داده کاوی نیز باشد، مناسب است.

Many organizations have an urgent need of mining their multiple databases inherently distributed in branches (distributed data). In particular, as the Web is rapidly becoming an information flood, individuals and organizations can take into account low-cost information and knowledge on the Internet when making decisions. How to efficiently identify quality knowledge from different data sources has become a significant challenge. This challenge has attracted a great many researchers including the au­ thors who have developed a local pattern analysis, a new strategy for dis­ covering some kinds of potentially useful patterns that cannot be mined in traditional multi-database mining techniques. Local pattern analysis deliv­ ers high-performance pattern discovery from multiple databases. There has been considerable progress made on multi-database mining in such areas as hierarchical meta-learning, collective mining, database classification, and pe­ culiarity discovery. While these techniques continue to be future topics of interest concerning multi-database mining, this book focuses on these inter­ esting issues under the framework of local pattern analysis. The book is intended for researchers and students in data mining, dis­ tributed data analysis, machine learning, and anyone else who is interested in multi-database mining. It is also appropriate for use as a text supplement for broader courses that might also involve knowledge discovery in databases and data mining.