Spelling suggestions: "subject:"mineração multinacional"" "subject:"ineração multinacional""
1 |
Uma arquitetura de software para descoberta de regras de associação multidimensional, multinível e de outliers em cubos OLAP: um estudo de caso com os algoritmos APriori e FPGrowthMoreira Tanuro, Carla 31 January 2010 (has links)
Made available in DSpace on 2014-06-12T15:55:26Z (GMT). No. of bitstreams: 2
arquivo2236_1.pdf: 2979608 bytes, checksum: 3c3ed256a9de67bd5b716bb15d15cb6c (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2010 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O processo tradicional de descoberta de conhecimento em bases de dados (KDD
Knowledge Discovery in Databases) não contempla etapas de processamento
multidimensional e multinível (i.e., processamento OLAP - OnLine Analytical
Processing) para minerar cubos de dados. Por conseqüência, a maioria das abordagens
de OLAM (OLAP Mining) propõe adaptações no algoritmo minerador. Dado que esta
abordagem provê uma solução fortemente acoplada ao algoritmo minerador, ela impede
que as adaptações para mineração multidimensional e multinível sejam utilizadas com
outros algoritmos. Além disto, grande parte das propostas de OLAM para regras de
associação não considera o uso de um servidor OLAP e não tira proveito de todo o
potencial multidimensional e multinível presentes nos cubos OLAP. Por estes motivos,
algum retrabalho (e.g., re-implementação de operações OLAP) é realizado e padrões
possivelmente fortes decorrentes de generalizações não são identificados.
Diante desse cenário, este trabalho propõe a arquitetura DOLAM (Decoupled
OLAM) para mineração desacoplada de regras de associação multidimensional,
multinível e de outliers em cubos OLAP. A arquitetura DOLAM deve ser inserida no
processo de KDD (Knowledge Discovery in Databases) como uma etapa de
processamento que fica entre as etapas de Pré-Processamento e Transformação de
Dados. A arquitetura DOLAM define e implementa três componentes: 1) Detector de
Outliers, 2) Explorador de Subcubos e 3) Expansor de Ancestrais. A partir de uma
consulta do usuário, estes componentes são capazes de, respectivamente: 1) identificar
ruídos significativos nas células do resultado; 2) explorar, recursivamente, todas as
células do resultado, de forma a contemplar todas as possibilidades de combinações
multidimensional e multinível e 3) recuperar todos os antecessores (generalizações) das
células do resultado. O componente central da arquitetura é o Expansor de Ancestrais -
o único de uso obrigatório. Ressalta-se que, a partir desses componentes, o
processamento OLAM fica desacoplado do algoritmo minerador e permite realizar
descobertas mais abrangentes, as quais, por conseqüência, podem retornar padrões
potencialmente mais fortes. Como prova de conceito, foi realizado um estudo de caso
com dados reais de uma empresa de micro-crédito. O estudo de caso foi implementado
em Java, fez uso do servidor OLAP Mondrian e utilizou as implementações dos
algoritmos para mineração de regras de associação APriori e FP-Growth do pacote de
software Weka
|
Page generated in 0.0668 seconds