Архитектура типичной Data Mining системы. Главные проблемы Data Mining. История развития Data Mining

Архитектура типичной Data Mining системы

Главные проблемы Data Mining

Методологии добычи знаний

· Добыча различных видов знаний от разнообразных типов данных, например, био, потоки, Веб

· Выполнение: эффектность, эффективность, и масштабируемость

· Оценка паттерна: проблема интересности

· Объединение фонового знания

· Обработка шумовых и неполных данных

· Параллельные, распределенные и инкрементные методы

· Интеграция обнаруженного знания с существующим: сплав знания

· Взаимодействие пользователей

· Языки запросов интеллектуального анализа данных

· Выражение и визуализация результатов поиска данных

· Интерактивная добыча знаний на многократных уровнях абстракции

· Особенности приложений

· Проблемно-ориентированный поиск данных и невидимый поиск данных

· Защита безопасности данных, целостности, и частной жизни

История развития Data Mining

1989 Семинар IJCAI об открытии знаний в базах данных

Поиск знаний в базах данных (Г.Пятецкий-Шапиро и В.Фроли, 1991)

1991-1994 Семинары о поиске знаний в базах данных

Поиск знаний и интеллектуальный анализ данных (У. Фэйяд, Г.Пятецкий-Шапиро, П. Смит, и Р. Утерузэми, 1996)

1995-1998 Международная конференция по вопросам поиска знаний в базах данных и интеллектуального анализа данных (KDD ’95-98)

Журнал интеллектуального анализа данных и поиска знаний (1997)

С 1998 проводятся ACM SIGKDD-конференции и исследования SIGKDD

Увеличивается количество конференций по поиску данных

PAKDD (1997), PKDD (1997), SIAM-Data Mining (2001), (IEEE) ICDM (2001) и т.д.

С 2007 – разработки в области интеллектуального анализа знаний