Eksploracja wzorców i reguł temporalnych (cz. 2)

Kontynuacja wystąpienia z 13.11.2009. Wielkie ilości danych są zbierane każdego dnia przez różne instytucje i firmy. Odkrywanie wiedzy z tak uzyskanej, wielkiej ilości danych, to podstawowe zadanie data mining. Istniejące algorytmy nie biorą jednak najczęściej pod uwagę aspektu temporalnego zawartego w danych i albo zupełnie ignorują czas (w bardzo ogólnym rozumieniu znaczenia tego słowa) albo traktują go jako zwykły atrybut. Temporal data mining natomiast stawia sobie za zadanie, nie tylko odkrywanie relacji pomiędzy statycznymi obiektami (jak w data mining), ale przede wszystkim eksplorację relacji związanych z "temporalnością" analizowanych danych. Podczas referatu postaramy się przedstawić ogólne wprowadzenie do zagadnienia, a skupimy się głównie na aspekcie wykrywania reguł temporalnych w danych sekwencyjnych. Pod pojęciem sekwencji rozumiemy uporządkowaną listę zdarzeń, które mają przyporządkowany czas ich zaistnienia, przy czym może to być punkt w czasie lub pewien przedział czasu, w którym zdarzenie miało miejsce. Nasze wystąpienie będzie oparte o treści zawarte w książce pt. "Knowledge Discovery from Interval Sequence Data" (Edi Winarko).