Pattern Detection and Discovery: ESF Exploratory Workshop London, UK, September 16–19, 2002 Proceedings

ترکیب پایگاه‌های اطلاعاتی الکترونیکی بزرگ از اطلاعات علمی و تجاری منجر به رشد چشمگیر علاقه به روش‌های کشف ساختارها در چنین پایگاه‌هایی شده است. این روش ها اغلب تحت نام کلی داده کاوی قرار می گیرند. یکی از زیرشاخه‌های مهم در داده‌کاوی مربوط به شناسایی و تشخیص غیرعادی، جالب، غیرمعمول یا با ارزش است - طناب‌ها یا گروه‌هایی از رکوردها، که آنها را الگو می‌نامیم. نمونه‌های آشنا عبارتند از: تشخیص تقلب در تراکنش‌های کارت اعتباری، خریدهای تصادفی خاص در تراکنش‌های سوپرمارکت، توالی‌های نوکلئوتیدی مهم در تجزیه و تحلیل توالی ژن، و ردپای مشخصه در سوابق EEG. ابزارهایی برای تشخیص چنین الگوهایی در جامعه داده کاوی و همچنین در سایر جوامع تحقیقاتی ایجاد شده است، معمولاً بدون آگاهی از اینکه این مشکل در بسیاری از رشته ها مشترک است. این بی دلیل نیست: هر یک از این رشته ها ادبیات بزرگی برای خود دارند و ادبیاتی که به سرعت در حال رشد است. رعایت هر یک از اینها به اندازه کافی دشوار است، چه رسد به همگامی با دیگران، که در هر صورت ممکن است به یک زبان فنی آشنا بیان شود. اما، البته، این بدان معنی است که فرصت ها از دست می روند، اکتشافات مربوط به مشکل مشترک انجام شده در یک منطقه به حوزه دیگر منتقل نمی شوند، و پیشرفت ها و راه حل های مشکل دوباره کشف می شوند، یا برای مدت طولانی کشف نمی شوند، به این معنی که e?ort در حال هدر رفتن است و فرصت ها ممکن است از دست بروند.

The collation of large electronic databases of scienti?c and commercial infor- tion has led to a dramatic growth of interest in methods for discovering struc- res in such databases. These methods often go under the general name of data mining. One important subdiscipline within data mining is concerned with the identi?cation and detection of anomalous, interesting, unusual, or valuable - cords or groups of records, which we call patterns. Familiar examples are the detection of fraud in credit-card transactions, of particular coincident purchases in supermarket transactions, of important nucleotide sequences in gene sequence analysis, and of characteristic traces in EEG records. Tools for the detection of such patterns have been developed within the data mining community, but also within other research communities, typically without an awareness that the - sic problem was common to many disciplines. This is not unreasonable: each of these disciplines has a large literature of its own, and a literature which is growing rapidly. Keeping up with any one of these is di?cult enough, let alone keeping up with others as well, which may in any case be couched in an - familiar technical language. But, of course, this means that opportunities are being lost, discoveries relating to the common problem made in one area are not transferred to the other area, and breakthroughs and problem solutions are being rediscovered, or not discovered for a long time, meaning that e?ort is being wasted and opportunities may be lost.