Um Ambiente para Exploração de Regras de Associação Generalizadas

• Marcos A. Domingues Universidade do Porto
• Matheus G. B. Figueiredo UFLA
• Solange O. Rezende USP

Resumo

O processo de Mineração de Dados (MD) possibilita que seus usuários finais possam analisar, compreender e usar o conhecimento extraído em um Sistema Inteligente ou como apoio em processos de tomada de decisão. Entretanto, muitos dos algoritmos utilizados geram uma enorme quantidade de padrões, dificultando a análise. Esse problema ocorre em Regras de Associação (RA), uma técnica de MD que procura identificar todos os padrões intrínsecos ao conjunto de dados. Uma abordagem que pode auxiliar a análise das regras é a generalização de RA. Neste artigo é apresentado um ambiente proposto para a generalização de RA e análise das regras generalizadas.

Referências

Adamo, J.-M. (2001). Data Mining for Association Rules and Sequential Patterns. Springer-Verlag, New York, NY.

Agrawal, R. and Srikant, R. (1994). Fast algorithms for mining association rules. In Bocca, J. B., Jarke, M., and Zaniolo, C., editors, Proceedings 20th International Conference on Very Large Data Bases, VLDB, pages 487–499.

Baesens, B., Viaene, S., and Vanthienen, J. (2000). Post-processing of association rules. In Proceedings of the Special Workshop on Post-Processing. The Sixth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pages 2–8.

Bruha, I. and Famili, A. (2000). Postprocessing in machine learning and data mining. ACM SIGKDD Explorations Newsletter, 2(2):110–114.

Domingues, M. A. and Rezende, S. O. (2004). Descrição de um algoritmo para generalização de regras de associação. Relatório Técnico do ICMC/USP Número 228. Disponível em: [link]. Acesso em: 20/02/2007.

Domingues, M. A. and Rezende, S. O. (2005). Post-processing of association rules using taxonomies. In Proceedings of the Twelfth Portuguese Conference on Artificial Intelligence (EPIA-05), pages 192–197, Covilhã, Portugal. IEEE Computer Society.

Fayyad, U. M., Piatetsky-Shapiro, G., and Smyth, P. (1996). The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM, 39(11):27–34.

Hipp, J., Myka, A., Wirth, R., and Güntzer, U. (1998). A new algorithm for faster mining of generalized association rules. In Zytkow, J. M. and Quafafou, M., editors, Proceedings of the 2nd European Symposium on Principles of Data Mining and Knowledge Discovery (PKDD ’98), pages 74–82, Nantes, France.

Jorge, A., Poças, J., and Azevedo, P. (2002). A post processing environment for browsing large sets of association rules. In Bohanec, M., Kavsek, B., Lavrac, N., and Mladenic, D., editors, ECML/PKDD’02 Workshop on Integrating Aspects of Data Mining, Decision Support and Meta-Learning, pages 53–64, Helsinki.

Lavrač, N., Flach, P., and Zupan, R. (1999). Rule evaluation measures: A unifying view. In Dzeroski, S. and Flach, P., editors, Proceedings of the Ninth International Workshop on Inductive Logic Programming (ILP-99), pages 174–185. LNAI 1634.

Liu, B., Hsu, W., Chen, S., and Ma, Y. (2000). Analyzing the subjective interestingness of association rules. IEEE Intelligent Systems & their Applications, 15(5):47–55.

Melanda, E. A. and Rezende, S. O. (2003). Sintaxe padrão para representar regras de associação. Relatório Técnico do ICMC/USP Número 206. Disponível em: [link]. Acesso em: 15/01/2007.

Rezende, S. O., Pugliesi, J. B., Melanda, E. A., and Paula, M. F. (2003). Mineração de dados. In Rezende, S. O., editor, Sistemas Inteligentes: Fundamentos e Aplicações, volume 1, pages 307–335. Barueri, SP: Editora Manole.

Silberschatz, A. and Tuzhilin, A. (1995). On subjective measures of interestingness in knowledge discovery. In Fayyad, U. M. and Uthurusamy, R., editors, Proceedings of the First International Conference on Knowledge Discovery and Data Mining (KDD-95), pages 275–281.

Srikant, R. (2001). Association rules: Past, present and future. ICCS 2001 International Workshop on Concept Lattice-based theory, methods and tools for Knowledge Discovery in Databases. Invited Talk. Disponível em: [link]. Acesso em: 19/01/2007.

Srikant, R. and Agrawal, R. (1997). Mining generalized association rules. Future Generation Computer Systems, 13(2–3):161–180.

Tan, P.-N., Steinbach, M., and Kumar, V. (2005). Introduction to Data Mining, (First Edition). Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA.

Yang, L. (2005). Pruning and visualizing generalized association rules in parallel coordinates. IEEE Transactions on Knowledge and Data Engineering, 17(1):60–70.