ІНТЕЛЕКТУАЛЬНИЙ АНАЛІЗ ДАНИХ В РЕЛЯЦІЙНИХ СИСТЕМАХ

Autor: Filatov, Valentin, Semenets, Valerii, Zolotukhin, Oleg
Jazyk: angličtina
Rok vydání: 2020
Předmět:
інформаційна система
база даних
реляційна модель даних
інтеграція даних
інтелектуальні системи
видобування знань з даних
інтелектуальний аналіз даних
асоціативні закономірності даних
информационная система
база данных
реляционная модель данных
интеграция данных
интеллектуальные системы
извлечение знаний из данных
интеллектуальный анализ данных
ассоциативные закономерности данных
information system
database
relational data model
data integration
intelligent systems
extracting knowledge from data
data mining
associative patterns of data
Zdroj: Innovative Technologies and Scientific Solutions for Industries; № 3 (13) (2020); 65-76
Современное состояние научных исследований и технологий в промышленности; № 3 (13) (2020); 65-76
Сучасний стан наукових досліджень та технологій в промисловості; № 3 (13) (2020); 65-76
ISSN: 2522-9818
2524-2296
Popis: The subject of the research is methods of relational database mining. The purpose of the research is to develop scientifically grounded models for supporting intelligent technologies for integrating and managing information resources of distributed computing systems. Explore the features of the operational specification of the relational data model. To develop a method for evaluating a relational data model and a procedure for constructing functional associative rules when solving problems of mining relational databases. In accordance with the set research goal, the presented article considers the following tasks: analysis of existing methods and technologies for data mining. Research of methods for representing intelligent models by means of relational systems. Development of technology for evaluating the relational data model for building functional association rules in the tasks of mining relational databases. Development of design tools and maintenance of applied data mining tasks; development of applied problems of data mining. Results: The analysis of existing methods and technologies for data mining is carried out. The features of the structural specification of a relational database, the formation of association rules for building a decision support system are investigated. Information technology has been developed, a methodology for the design of information and analytical systems, based on the relational data model, for solving practical problems of mining, practical recommendations have been developed for the use of a relational data model for building functional association rules in problems of mining relational databases, conclusion: the main source of knowledge for database operation can be a relational database. In this regard, the study of data properties is an urgent task in the construction of systems of association rules. On the one hand, associative rules are close to logical models, which makes it possible to organize efficient inference procedures on them, and on the other hand, they more clearly reflect knowledge than classical models. They do not have the strict limitations typical of logical calculus, which makes it possible to change the interpretation of product elements. The search for association rules is far from a trivial task, as it might seem at first glance. One of the problems is the algorithmic complexity of finding frequently occurring itemsets, since as the number of items grows, the number of potential itemsets grows exponentially.
Предметом исследования являются методы интеллектуального анализа реляционных баз данных. Целью проводимых исследований является разработка научно-обоснованных моделей поддержки интеллектуальных технологий интеграции и управления информационными ресурсами распределенных вычислительных систем. Исследовать особенности операционной спецификации реляционной модели данных. Разработать метод оценки реляционной модели данных и процедуру построения функциональных ассоциативных правил при решении задач интеллектуального анализа реляционных баз данных. В соответствии с поставленной целью исследований в представленной статье рассматриваются следующие задачи: анализ существующих методов и технологий интеллектуального анализа данных. Исследование методов представления интеллектуальных моделей средствами реляционных систем. Разработка технологии оценки реляционной модели данных для построения функциональных ассоциативных правил в задачах интеллектуального анализа реляционных баз данных. Разработка инструментальных средств проектирования и сопровождения прикладных задач интеллектуального анализа данных; разработка прикладных задач интеллектуального анализа данных. Результаты: Проведен анализ существующих методов и технологий интеллектуального анализа данных. Исследованы особенности структурной спецификации реляционной базы данных, формирование ассоциативных правил для построения системы поддержки принятия решений. Разработана информационная технология, методика проектирования информационно-аналитических систем, на основе реляционной модели данных, для решения практических задач интеллектуального анализа, разработаны практические рекомендации применения реляционной модели данных для построения функциональных ассоциативных правил в задачах интеллектуального анализа реляционных баз данных, вывод: основным источником знаний при эксплуатации баз данных может являться реляционная база данных. В связи с этим, исследование свойств данных является актуальной задачей в построении систем ассоциативных правил. Ассоциативные правила с одной стороны близки к логическим моделям, что позволяет организовать на них эффективные процедуры вывода, а с другой - более наглядно отражают знания, чем классические модели. В них отсутствуют жесткие ограничения, характерные для логических исчислений, что дает возможность изменять интерпретацию элементов продукции. Поиск ассоциативных правил далеко не тривиальная задача, как может показаться на первый взгляд. Одна из проблем – алгоритмическая сложность при нахождении часто встречающих наборов элементов, так как с ростом числа элементов экспоненциально растет число потенциальных наборов элементов.
Предметом дослідження є методи інтелектуального аналізу реляційних баз даних. Метою проведених досліджень є розробка науково-обґрунтованих моделей підтримки інтелектуальних технологій інтеграції і управління інформаційними ресурсами розподілених обчислювальних систем. Дослідити особливості операційної специфікації реляційної моделі даних. Розробити метод оцінки реляційної моделі даних і процедуру побудови функціональних асоціативних правил при вирішенні задач інтелектуального аналізу реляційних баз даних. Відповідно до поставленої мети досліджень в представленій статті розглядаються наступні завдання: аналіз існуючих методів і технологій інтелектуального аналізу даних. Дослідження методів подання інтелектуальних моделей засобами реляційних систем. Розробка технології оцінки реляційної моделі даних для побудови функціональних асоціативних правил в задачах інтелектуального аналізу реляційних баз даних. Розробка інструментальних засобів проектування і супроводу прикладних задач інтелектуального аналізу даних; розробка прикладних задач інтелектуального аналізу даних. Результати: Проведено аналіз існуючих методів і технологій інтелектуального аналізу даних. Досліджено особливості структурної специфікації реляційної бази даних, формування асоціативних правил для побудови системи підтримки прийняття рішень. Розроблено інформаційну технологію, методика проектування інформаційно-аналітичних систем, на основі реляційної моделі даних, для вирішення практичних завдань інтелектуального аналізу, розроблені практичні рекомендації застосування реляційної моделі даних для побудови функціональних асоціативних правил в задачах інтелектуального аналізу реляційних баз даних, висновок: основним джерелом знань при експлуатації баз даних може бути реляційна база даних. У зв'язку з цим, дослідження властивостей даних є актуальним завданням в побудові систем асоціативних правил. Асоціативні правила з одного боку близькі до логічним моделям, що дозволяє організувати на них ефективні процедури виведення, а з іншого більш наочно відображають знання, ніж класичні моделі. У них відсутні жорсткі обмеження, характерні для логічних обчислень, що дає можливість змінювати інтерпретацію елементів продукції. Пошук асоціативних правил далеко не тривіальна задача, як може здатися на перший погляд. Одна з проблем – алгоритмічна складність при знаходженні часто зустрічаючих наборів елементів, так як з ростом числа елементів експоненціально зростає число потенційних наборів елементів.
Databáze: OpenAIRE
Externí odkaz: