Inteligentne metody odkrywania wiedzy z baz danych

• Autorzy: Małgorzata Nycz

Warianty tytułu

Intelligent Methods of Knowledge Discovery from Databases

• Języki publikacji: PL

Abstrakty

Według P. G. Shapiro, pioniera w zakresie odkrywania wiedzy z baz danych, odkrywanie wiedzy jest nietrywialnym procesem uzyskiwania nowej dla użytkownika wiedzy z już istniejących w przedsiębiorstwie baz danych, a więc takiej, która już się w bazach danych znajdowała (wiedza jawna), ale uprzednio nie była znana, uświadomiona czy dostrzeżona. Mogą to być przykładowo wcześniej niedostrzeżone zależności, wzorce czy relacje. Bazy danych są zazwyczaj bardzo duże, rzędu gigabajtów czy większe. Wymaga to użycia specjalistycznych narzędzi, pozwalających szybko wykryć złożone związki pomiędzy danymi. Wiedza to coś więcej niż informacja, to struktura, a więc specyficzne korelacje, prawidłowości statystyczne lub inne zależności, które dają się wypowiedzieć w języku matematyki lub w dowolnym języku naturalnym. Niełatwo jest do nich dotrzeć, gdyż niekiedy nie podejrzewa się nawet ich istnienia. Mogą one mieć realną wartość liczoną w milionach złotych, na przykład, jeśli dotyczą ważnych dla jakiegoś sektora zachowań rynkowych. Ich uchwycenie może oznaczać umiejętność przewidzenia przyszłości, a tym samym uzyskanie znaczącej przewagi nad konkurencją. (fragment tekstu)

EN

Knowledge is more than information; it is the structure so it means specific correlations, statistics rules or other dependencies that can be shown in mathematics language or any other natural ones. It is not easy to achieve them because very often we do not even suspect that they exist. They can have a real value that calculated in eve in millions zlotys e.g. when they depict some important market behaviors for a particular sector. Each organization usually collects on its discs which, depending on a given approach, be have either historical value or can be used within an interesting analysis, e.g. market analysis. According to P.G. Shapiro, the pioneer of knowledge discovery from databases, the process of knowledge discovery from databases is not a trivial one of obtaining new, useful for user new knowledge which has been hidden among data and it bas not be known, conscious, seen by the user. The article has been devoted to intelligent methods of knowledge discovery from databases. It consists of five parts. Brief introduction presents the subject of this paper: definition and stages of knowledge discovery from databases as well as its location within a decision making process. Next part presents the classification of knowledge discovery methods. In the third part the characteristics of intelligent methods has been presented. It has been done in the following shape: intelligent methods coming from mathematics and statistics, from biological sciences and then from linguistics. Part four covers the results of experiment carried out to compare the efficiency of some intelligent methods in the classification task realization. Short summary ends the paper. (original abstract)

Słowa kluczowe

PL

Bazy danych; Generowanie wiedzy; Zasoby wiedzy; Zarządzanie wiedzą

EN

Databases; Knowledge generating; Knowledge resources; Knowledge management

• Czasopismo: Zarządzanie Przedsiębiorstwem / Polskie Towarzystwo Zarządzania Produkcją
• Rocznik: 2010
• Numer: nr 1
• Strony: 70--81

Twórcy

autor

Małgorzata Nycz

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• [1] Baborski A.: Odkrywanie wiedzy dla systemów informacyjnych zarządzania, Business Information Systems - BIS'98, International Conference, Poznań 1998.
• [2] Barnu. B., Knosala R.: Zastosowanie metody Case Based Reasoning do szacowania kosztów wytwarzania w fazie projektowania, [w:] Komputerowo Zintegrowane Zarządzanie, red. R. Knosala, tom I, Oficyna Wydawnicza Polskiego Towarzystwa Zarządzania Produkcją, Opole 2008.
• [3] Beynon-Davis P.: Systemy baz danych, WNT, Warszawa 1998.
• [4] Doherty P., Gustafsson J.: Delayed Effects of Actions = Direct Effects + Causal Rules [online]. Linköping Electronic Articles in Computer and Information Science, Vol. 3, nr 1, 1998. Dostępny w Internecie: http://www.ep.liu.se/ea/cis/1998/001/
• [5] Elmasri R., Navathe S. B.: Fundamentals of Database Systems, Addison-Wesley, 2000.
• [6] Fayyad M. U.: Editorial in: Data Mining and Knowledge Discovery, "International Journal", vol. 1, issue 1, 1997.
• [7] Fisher D. H., Schlimmer J. C.: Models of Incremental Learning. A Coupled Research Proposal [online], Vanderbilt University, Technical Report CS-88-05. [Dostęp 10.04.2005], Dostępny w Internecie: http://cswww.vuse.vanderbilt.edu/~dfisher/courses/cs362/incl/proposal/proposal.html
• [8] Galant V., Tyburcy R.: Wprowadzenie do przyrostowego uczenia, [w:] Pozyskiwanie wiedzy. Materiały konferencyjne, red. A. Baborski, Wydawnictwo AE, Wrocław 1997.
• [9] Goldberg D.: Algorytmy genetyczne i ich zastosowania, Wydawnictwo Naukowo-Techniczne, Warszawa 1995.
• [10] Gołuchowski J.: Technologie informatyczne w zarządzaniu wiedzą organizacji, Prace Naukowe Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice 2005.
• [11] Gwiazda T. D.: Optima_AG. Optymalizator Problemów Zarządzania i Biznesu, Wydawnictwa Naukowe Wydziału Zarządzania Uniwersytetu Warszawskiego, Warszawa 1999.
• [12] Hahn U., Romacker M.: Content management in the SYNDIKATE system - How technical documents are automatically transformed to text knowledge bases, "Data & Knowledge Engineering" vol. 35, No. 2, November 2000.
• [13] Hunt E. B., Marin J., Stone P. J.: Experiments in induction, Academic Press, 1966.
• [14] Iwański C., Szkatuła G.: Wybrane metody uczenia maszynowego dla tworzenia reguł klasyfikacji obiektu, PAN IBS, Warszawa 1992.
• [15] Karlsson L., Gustafsson J., Doherty P.: Delayed Effects of Actions. Proc. ECAI-98: 13th European Conference on Artificial Intelligence, Brighton, John Wiley and Sons Ltd., 1998.
• [16] Kempa A.: Modelowanie procesów biznesowych z wykorzystaniem metody case-based reasoning, [w:] Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą, red. J. Kacprzyk, L. Drelichowski, PSZW, Bydgoszcz 2005.
• [17] Larose D. T.: Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, PWN, Warszawa 2006.
• [18] Meesad P.: Pattern Classification by an Incremental Learning Puzzy Neural Network, [online]. Niepublikowana praca dyplomowa, King Mongkut's Institute of Technology North Bankgok, Bangkok, Tajlandia, 1994 i Faculty of the Graduate College, Oklahoma State University, grudzień 1998. [Dostęp 29.12.1998]. Dostępny w Internecie: http://kmitnb05.kmitnb.ac.th/~pym/ilfn.html.
• [19] Nycz M. (red.): Generowanie wiedzy dla przedsiębiorstwa. Metody i techniki, Wyd. AE im. O. Langego, Wrocław 2004.
• [20] Nycz M.: Pozyskiwanie wiedzy menedżerskiej. Podejście technologiczne, Wyd. AE im. O. Langego, Wrocław 2008.
• [21] Perner P., Petrou M. (eds): Machine Learning and Data Mining in Pattern Recognition, First International Workshop, MLDM'99. Leipzig, Germany, September 16-18, 1999.
• [22] PKDD'99 Discovery Challenge. A Collaborative Effort in Knowledge Discovery from Databases [online]. Informacje o bazie. Dostępny w Internecie: http://lisp.vse.cz/pkdd99/chall.htm
• [23] Quinlan J.R.: Induction of Decision Trees, "Machine Learning" no 1, 1986.
• [24] Shapiro P.G.: Software: Tools for Data Mining and Knowledge Discovery, [Dostęp 20.03.1998]. Dostępny w Internecie: http://info.gte.com/~kdd
• [25] Vijayakumar S., Schaal S.: Past and Efficient Incremental Learning for High-dimensional Movement Systems, [w:] Proceedings International Conference on Robotics and Automation (ICRA2000), San Francisco, California, vol. 2, 2000.