Mining Complex Data

هدف این کتاب جمع آوری جدیدترین آثاری است که به مسائل مربوط به مفهوم استخراج داده های پیچیده می پردازد. کل فرآیند کشف دانش درگیر است، هدف ما ارائه محققانی است که با هر یک از مراحل این فرآیند با ورودی های کلیدی سروکار دارند. در واقع، مدیریت داده های پیچیده در فرآیند KDD مستلزم کار بر روی هر مرحله است، از پیش پردازش (به عنوان مثال ساختار و سازماندهی) تا تجسم و تفسیر (مانند مرتب سازی یا فیلتر کردن) نتایج، از طریق خود روش های داده کاوی. به عنوان مثال طبقه بندی، خوشه بندی، استخراج الگوهای مکرر و غیره). مقالات ارائه شده در اینجا از مقالات کارگاهی است که از سال 2006 به بعد برگزار می شود.

کتاب از چهار بخش و در مجموع شانزده فصل تشکیل شده است. بخش اول یک نمای کلی از داده کاوی پیچیده با نشان دادن برخی موقعیت ها و پیچیدگی مربوطه ارائه می دهد. شامل پنج فصل است. فصل 1 مشکل تحلیل ادبیات علمی را نشان می دهد. این فصل پیشینه ای از تکنیک های مختلف در این زمینه ارائه می دهد، مراحل پیش پردازش لازم را توضیح می دهد، و دو مطالعه موردی، یکی از استخراج تصویر و دیگری از شناسایی جدول را ارائه می دهد.

The aim of this book is to gather the most recent works that address issues related to the concept of mining complex data. The whole knowledge discovery process being involved, our goal is to provide researchers dealing with each step of this process by key entries. Actually, managing complex data within the KDD process implies to work on every step, starting from the pre-processing (e.g. structuring and organizing) to the visualization and interpretation (e.g. sorting or filtering) of the results, via the data mining methods themselves (e.g. classification, clustering, frequent patterns extraction, etc.). The papers presented here are selected from the workshop papers held yearly since 2006.

The book is composed of four parts and a total of sixteen chapters. Part I gives a general view of complex data mining by illustrating some situations and the related complexity. It contains five chapters. Chapter 1 illustrates the problem of analyzing the scientific literature. The chapter gives some background to the various techniques in this area, explains the necessary pre-processing steps involved, and presents two case studies, one from image mining and one from table identification.