Veri Tabanlarında Bilgi Keşfine Formel Bir Yaklaşım: Kısım II: Eşleştirme Sorgularının Biçimsel Kavram Analizi ile Modellenmesi.

Sever, Hayri and Oğuz, Buket Veri Tabanlarında Bilgi Keşfine Formel Bir Yaklaşım: Kısım II: Eşleştirme Sorgularının Biçimsel Kavram Analizi ile Modellenmesi. Bilgi Dünyası, 2003, vol. 4, n. 1, pp. 15-44. [Journal article (Paginated)]

Preview

PDF 15-44.pdf Download (183kB) | Preview

English abstract

In this study we utilize formal concept analysis to model association rules. Formal concept analysis provides a topological structure for a universe of objects and attributes. By exploiting the relationship between objects and attributes, formal concept analysis then introduces an entity called a concept. A concept is a set of attributes and objects. The attributes are maximally possessed by the set of objects and similarly the objects are the maximal set which all possess the set of attributes. Formal concept analysis deals with formal mathematical tools and techniques to develop and analyze relationship between concepts and to develop concept structures. We propose and develop a connection between association rule mining and formal concept analysis. We show that dependencies found by an association query can be derived from a concept structure. We have extended formal concept analysis framework to the association rule mining. We use analysis of market-basket problem, a specific case of association rule mining, to achieve this extension. This extension provides a natural basis for complexity analysis of the association rule mining. This extension can also help in developing a unified framework for common data mining problems.

Turkish abstract

Eşleştirme kurallarını modelleyebilmek için biçimsel kavram analizinden faydalanılmıştır. Biçimsel kavram analizi evreni, nesneler ve özelliklerden oluşan topolojik bir yapı olarak görür. Nesneler ve özellikler arasındaki ilişkiyi kullanarak kavram adı verilen birimi tanımlar. Bir kavram bir grup nesne ve özellikten oluşur. Kavramda yer alan özellikler, kavramda yer alan nesne grubu tarafından taşınan ortak özelliklerin en büyük kümesidir. Benzer biçimde nesneler, kavramda yer alan tüm özellikleri taşıyan en büyük nesne kümesidir. Biçimsel kavram analizi kavramlar arasındaki ilişkileri incelemek ve kavram yapılarını kurmak için matematiğe dayalı biçimsel araç ve teknikleri kullanır. Bu çalışmada, eşleştirme kuralı çıkarımı ve biçimsel kavram analizi arasında bir bağlantı önerilmiş ve geliştirilmiştir. Bir eşleştirme sorgusu ile bulunan bağımlılıkların kavram yapısından elde edilebileceği gösterilmiştir. Biçimsel kavram analizi çerçevesi, eşleştirme kuralı çıkarımını ele alabilecek biçimde genişletilmiştir. Bu genişletmeyi yapabilmek için eşleştirme sorgularının özel bir biçimi olan market sepeti problemi kullanılmıştır. Bu model, eşleştirme kuralı çıkarımı algoritmalarının karmaşıklıklarını ele alabilmek için bir temel sağlamıştır. Ayrıca, model diğer veri madenciliği problemleri için birleştirilmiş bir çerçeve oluşturmaya yardımcı olabilir.

Item type:	Journal article (Paginated)
Keywords:	Biçimsel kavram analizi, eşleştirme sorguları, bağımlılık ilişkileri, kavram yapıları, formal concept analysis, association query, dependency relationships, concept structures
Subjects:	H. Information sources, supports, channels. > HL. Databases and database Networking. L. Information technology and library technology L. Information technology and library technology > LN. Data base management systems.
Depositing user:	Kamil Comlekci
Date deposited:	26 Mar 2006
Last modified:	02 Oct 2014 12:02
URI:	http://hdl.handle.net/10760/7352

References

Agrawal, R., Imielinski, T. ve Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Record, Proceedings of the 1993 ACM SIGMOD international conference on management of data. 22 (2): 207-216.

Agrawal, R. ve Srikant, R. (1994). Fast algorithms for mining association rules in large databases. 20th International Conference on Very Large Databases, VLDB’94, September 12-15, Santiago, Chile, içinde s. 487-499.

Davey, B.A. ve Priestley, H.A. (1990). Introduction to lattices and orders. Cambridge: Cambridge University Press.

Meo, R., Psaila, G. ve Ceri, S. (1996). A new SQL-like operator for mining association rules. 22nd International Conference on Very Large Databases, VLDB’96, September 3-6, Mumbai (Bombay), India, içinde s. 1-12.

Park, J. S., Chen, M.S. ve Yu, P.S. (1995). An effective hash-based algorithm for mining association rules. Proceedings of the ACM SIGMOD International Conference on Management of Data, May 22-25, San Jose, California, içinde s. 175-186.

Pawlak, Z. (1984). Rough classification. International Journal of Man-Machine Studies, 31(1)׃ 63-103.

Savasere, A., Omiecinski, E. ve Navathe, S. (1995). An efficient algorithm for mining association rules in large databases. 21st International Conference on Very Large Databases, VLDB’95, September 11-15, Zurich, Switzerland, içinde s. 432-444.

Sever, H. ve Oğuz, B. (2002). Veri tabanlarında bilgi keşfine formal bir yaklaşım, Kısım 1: Eşleştirme sorguları ve algoritmalar. Bilgi Dünyası, 3(2): 173-204.

Wille, R. (1982). Restructuring lattice theory: An approach based on hierarchies on concepts. I. Rival (ed.). Ordered Sets içinde (s. 445-470). Dordrecht-Boston: D. Reidel Publishing Company.

Downloads

Actions (login required)

View Item