Melhoria de resultados em data mining multirrelacional apoiada em templates

• Processo: 14/17817-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2014
• Data de Término da vigência: 30 de setembro de 2015
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Carlos Roberto Valêncio
• Beneficiário: Guilherme Henrique Morais
• Instituição Sede: Instituto de Biociências, Letras e Ciências Exatas (IBILCE). Universidade Estadual Paulista (UNESP). Campus de São José do Rio Preto. São José do Rio Preto , SP, Brasil
• Assunto(s): Mineração de dados Banco de dados Tomada de decisão Validação de modelos
• Palavra(s)-Chave do Pesquisador: data mining | data mining multirrelacional | Banco de Dados

Resumo

Com o aumento da quantidade de dados e a crescente necessidade de transformar os mesmos em conhecimento preciso e útil, tornam-se indispensáveis os processos de Data Mining Multirrelacional para a descoberta de conhecimento e tomada de decisões. Um método amplamente utilizado e conceituado na literatura é a extração de regras de associação, que gera uma coleção de informações que relacionam dois ou mais atributos. No entanto, esse processo comumente gera uma grande quantidade de regras na qual apenas uma pequena parcela é de interesse. Neste trabalho é proposto o uso de Templates - formas pré-definidas para as regras de associação - para melhoria de resultados em Data Mining multirrelacional com base na geração de um conjunto de regras de associação com volume reduzido e grau de relevância potencializado. A validação da técnica dar-se-á por meio da aplicação em bases de dados públicas reais e sintéticas e em ambientes que gerenciam dados reais relacionados à saúde humana, tais como: acidentes do trabalho, casos de epilepsia e hepatite, além de pacientes com patologias mentais e dependência química.