Zastosowanie grupowania do eksploracji baz danych systemów informatycznych przedsiębiorstw

• Autorzy: Dariusz Mazur
• Języki publikacji: PL

Abstrakty

Eksploracja danych obejmuje szereg zagadnień związanych z poszukiwaniem istotnych reguł i zasacl wśród zgromadzonych bazach danych. Grupowanie, jako jedna z metod eksploracji, daje interesujące wyniki w zakresie przetwarzania danych o klientach przedsiębiorstw. W niniejszym artykule przedstawiono wybrane aspekty wiążące się z zastosowaniem grupowania w procesie eksploracji danych. W szczególności przeanalizowano wpływ rodzaju danych na dobór stosowanych algorytmów. Analizowano również zagadnienie grupowania danych lingwistycznych oraz niektóre aspekty walidacji wyników. (abstrakt oryginalny)

EN

Data mining can extract desired knowledge or interesting patterns from existing databases. Clustering, as one of data mining technique, has been applied with profit in many applications of data mining. Business database consists many date with non numerical values. The clustering algorithms should be adapted to analyze it, especially for customer database. The paper describes strengths and weaknesses for various clustering algorithms and the influence of the kind, of data on discovering useful categories. Also presents the problem of clustering linguistic terms and discuss the issue of clustering validation. (original abstract)

Słowa kluczowe

PL

Systemy informatyczne; Bazy danych; Data Mining; Zarządzanie wiedzą

EN

Computer system; Databases; Data Mining; Knowledge management

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2004
• Tom: Systemy wspomagania organizacji SWO'2004
• Strony: 315--322

Twórcy

autor

Dariusz Mazur

• Politechnika Śląska

Bibliografia

• Agrawal R., Imielinski T., Swami A. N.: Mining association rules between sets of items in large databases. P. Buneman, S. Jajodia, redaktorzy, Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, Washington, 1993.
• Agrawal R., Mannila H., Srikant R., Toivonen H., Verkamo A.I.: Fast discovery of association rules. Advances in Knowledge Discovery and Data Mining, 1996.
• Berry M. J., Lino G.: Data Mining Techniques. John-Wiley, New York, 1997.
• Brin S., R. Motwani, J. D. Ullman, S. Tsur. Dynamic itemset counting and implication rules for market basket data. ACM SIGMOD International Conference on Management of Data, 1997.
• Cichosz P.: Systemy uczace sie. WNT, Warszawa, 2000.
• Das G., Mannila H., Ronkainen P.: Similarity of attributes by externalprobes. Knowledge Discovery and Data Mining,1998.
• Guidici P., Passerone G.: Data mining of association structuresto model consumer behaviour. Computational statistic and data analysis, 2002.
• Han J., Fu Y.: Discovery of multiple-level association rules lion,large databases. Proc. of Int'l Conf. on Very Large Data Bases (VLDB'95), Zurich, Switzerland, 1995.
• Han E., Karypis G., Kumar V.: Scalable parallel data mining |'ur association rules. Proceedings of ACM SIGMOD, 1997.
• Hirota K., Pedrycz W.: Fuzzy computing for data mining. Proc. Of the IEEE, 87, 1999.
• Huges A. M.: Making your database pay off using recency frequency and monetary analysis. Database Marketing Institute, 13(8), 2001.
• Jain A. K., R.C. Dubes.: Algorithms for Clustering Data. Pivmice Hall, New Jersey, 1988.
• Kleinberg J., Papadimitriou C., Raghavan P.: Segmentation problems. Proceedings of the ACM Symposium on Theory of Computing, 1998.
• Liu B., Hsu W.: Post-analysis of learned rules. AAAI/IAAI. Vol.l, 1996.
• Mazur D.: Computing similarity measure based on names of goods for fuzzy clustering. Methods of Artificial Intelligence. Gliwice, 2002.
• Mazur D.: Wykorzystywanie danych określonych lingwistycznie w systemach pozyskiwania wiedzy. SWO, Ustroń, 2002.
• Smyth P., Goodman R.M.: Rule induction using information theory. 1991.
• Stepp R. E., Michalski R.S.: Conceptual clustering: Inventing goal oriented classifications of structured objects. J. G. Carbn-nell, R. S.Michalski, T. M. Mitchell, redaktorzy, Machine Learning: An Artificial Intelligence Approach, Volume II, Morgan Kaufmann, Los Altos, CA, 1986.