Minerando Regras de Associação de Multirrelação na Web de Dados

Autor: Ronaldo R. Goldschmidt, Guilherme dos Santos Villote, Raquel Lopes Costa, Felipe Alves de Oliveira, Maria Cláudia Cavalcanti
Rok vydání: 2020
Předmět:
Zdroj: iSys - Brazilian Journal of Information Systems. 13:77-100
ISSN: 1984-2902
DOI: 10.5753/isys.2020.830
Popis: A Web de Dados é uma relevante e crescente fonte de dados que contém informações distribuídas em diferentes datasets interligados. A maioria dos algoritmos de mineração de dados foi projetada para analisar um único dataset por vez, e, consequentemente, não consegue explorar as conexões entre datasets da Web de Dados. Para suprir essa lacuna, este trabalho propõe o MRAR+, um algoritmo de mineração de grafos que busca por regras de associação multirrelação a fim de identificar conhecimentos novos que envolvam recursos de múltiplos datasets da Web de Dados. O MRAR+ foi aplicado com sucesso em dois experimentos e produziu regras novas e úteis para os usuários, ilustrando a sua viabilidade para minerar diferentes datasets interligados na Web de Dados.
Databáze: OpenAIRE