Mineração de Regras de Associação Multirrelação em Grafos: Direcionando o Processo de Busca

• Felipe A. de Oliveira Instituto Militar de Engenharia (IME)
• Raquel L. Costa Instituto Nacional do Câncer (INCA)
• Ronaldo R. Goldschmidt Instituto Militar de Engenharia (IME)
• Maria C. Cavalcanti Instituto Militar de Engenharia (IME) https://orcid.org/0000-0003-4965-9941

DOI: https://doi.org/10.5753/sbbd.2017.174664

Resumo

A Web de Dados é hoje uma fonte altamente diversa e rica de informações. Um dos seus grandes desafios está na extração de informações úteis que levem ao conhecimento e avanço na área científica. Os algoritmos de mineração de dados auxiliam nesse processo de descoberta do conhecimento, baseando-se em diferentes estratégias de busca. Porém, em geral são custosos e produzem um grande volume de regras, dificultando a manipulação pelo usuário. Neste trabalho, apresentamos uma adaptação do algoritmo MRAR baseada no conceito de máscara de busca, com o objetivo de direcionar o processo de mineração, reduzindo o custo e encontrando regras úteis para o usuário.

Palavras-chave: Mineração de Dados, MRAR, Máscara de Busca

Referências

Agrawal, R., Imieliński, T., and Swami, A. (1993). Mining association rules between sets of items in large databases. SIGMOD Rec., 22(2):207–216.

Elseidy, M., Abdelhamid, E., and Skiadopoulos, S. (2014). GRAMI: Frequent Subgraph and Pattern Mining in a Single Large Graph. Proceedings of the VLDB Endowment, 7(7):517–528.

Goldschmidt, R., Bezerra, E., and Passos, E. (2015). Data mining: conceitos, técnicas, algoritmos, orientações e aplicações. Rio de Janeiro: Elsevier.

Hendrickx, T., Cule, B., Meysman, P., Naulaerts, S., Laukens, K., and Goethals, B. (2015). Mining Association Rules in Graphs Based on Frequent Cohesive Itemsets, pages 637–648. Springer International Publishing, Cham.

Ramezani, R. (2014). MRAR : Mining Multi-Relation Association Rules. Journal of Computing and Security, 1(2):133–158.