Veri Tabanlarında Bilgi Keşfine Formel Bir Yaklaşım: Kısım II- Eşleştirme Sorgularının Biçimsel Kavram Analizi ile Modellenmesi
DOI:
https://doi.org/10.15612/BD.2003.509Anahtar Kelimeler:
Biçimsel kavram analizi, Eşleştirme sorguları, Bağımlılık ilişkileri, Kavram yapılarıÖzet
Eşleştirme kurallarının modelleyebilmek için biçimsel kavram analizinden faydalanılmıştır. Biçimsel kavram analizi evreni, nesneler ve özelliklerden oluşan topolojik bir yapı olarak görür. Nesneler ve özellikler arasındaki ilişkiyi kullanarak kavram adı verilen birimi tanımlar. Bir kavram bir grup nesne ve özellikten oluşur. Kavramda yer alan özellikler, kavramda yer alan nesne grubu tarafından taşınan ortak özelliklerin en büyük kümesidir. Benzer biçimde nesneler, kavramda yer alan tüm özellikleri taşıyan en büyük nesne kümesidir. Biçimsel kavram analizi kavramlar arasındaki ilişkileri incelemek ve kavram yapılarını kurmak için matematiğe dayalı biçimsel araç ve teknikleri kullanır. Bu çalışmada, eşleştirme kuralı çıkarımı ve biçimsel kavram analizi arasında bir bağlantı önerilmiş ve geliştirilmiştir. Bir eşleştirme sorgusu ile bulunan bağımlılıkların kavram yapısından elde edilebileceği gösterilmiştir. Biçimsel kavram analizi çerçevesi, eşleştirme kuralı çıkarımını ele alabilecek biçimde genişletilmiştir. Bu genişletmeyi yapabilmek için eşleştirme sorgularının özel bir biçimi olan market sepeti problemi kullanılmıştır. Bu model, eşleştirme kuralı çıkarımı algoritmalarının karmaşıklıklarını ele alabilmek için bir temel sağlamaktadır. Ayrıca, model diğer veri madenciliği problemleri için birleştirilmiş bir çerçeve oluşturmaya yardımcı olabilir.
İndirmeler
Referanslar
Agrawal, R., Imielinski, T. ve Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Record, Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data. 22 (2): 207-216.
Agrawal, R. ve Srikant, R. (1994). Fast algorithms for mining association rules in large databases. 20th International Conference on Very Large Databases, VLDB’94, September 12-15, Santiago, Chile, içinde s. 487-499.
Davey, B.A. ve Priestley, H.A. (1990). Introduction to lattices and orders. Cambridge: Cambridge University Press.
Meo, R., Psaila, G. ve Ceri, S. (1996). A new SQL-like operator for mining association rules. 22nd International Conference on Very Large Databases, VLDB’96, September 3-6, Mumbai (Bombay), India, içinde s. 1-12.
Park, J. S., Chen, M.S. ve Yu, P.S. (1995). An effective hash-based algorithm for mining association rules. Proceedings of the ACM SIGMOD International Conference on Management of Data, May 22-25, San Jose, California, içinde s. 175-186.
Pawlak, Z. (1984). Rough classification. International Journal of Man-Machine Studies, 31(1): 63-103.
Savasere, A., Omiecinski, E. ve Navathe, S. (1995). An efficient algorithm for mining association rules in large databases. 21st International Conference on Very Large Databases, VLDB’95, September 11-15, Zurich, Switzerland, içinde s. 432-444.
Sever, H. ve O¤uz, B. (2002). Veri tabanlar›nda bilgi keflfine formal bir yaklafl›m: K›s›m 1- Efllefltirme sorgular› ve algoritmalar. Bilgi Dünyas›, 3(2): 173-204.
Wille, R. (1982). Restructuring lattice theory: An approach based on hierarchies on concepts. I. Rival (ed.). Ordered Sets içinde (s. 445-470). Dordrecht-Boston: D. Reidel Publishing Company.
Yayınlanmış
Nasıl Atıf Yapılır
Sayı
Bölüm
Bu çalışma Creative Commons Attribution 4.0 International License ile lisanslanmıştır.
