April 17, 2014
“Pattern mining research has so far mostly focused on mining a single relation. The most representative example of such methods is frequent itemset mining which aims at discovering frequently co-occurring items from a relation of items and market basket transactions. However, most real world datasets are usually richer, containing more than one relation and more than two entity types (ex. characteristics of items).Therefore pattern mining methods that target multi-relational data are equally important. In this talk I am going to give a background on pattern mining in the context of exploratory data mining, then I am going to motivate the problem of pattern mining in multi-relational data and present my research on the subject. More specifically, I am going to present a new pattern syntax which generalises the pattern syntax of itemsets and an algorithm for mining patterns of this syntax. Finally, I am going to present a measure of interestingness of the patterns which is used to evaluate them.”
“Η έρευνα στην εξόρυξη προτύπων έχει ως τώρα κυρίως εστιάσει στην εξόρυξη από μια συσχέτιση. Η πιο αντιπροσωπευτική μέθοδος είναι το frequent itemset mining που στοχεύει στην εξόρυξη συχνών συνόλλων αντικειμένων που αγοράζονται μαζί, από μια συσχέτιση αντικειμένων και συναλλαγών. Τα περισσότερα δεδομένα όμως συνήθως περιέχουν περισσότερες από μία συσχετίσεις και περισσότερους από δύο τύπους οντοτήτων. Επομένως η ανάπτυξη μεθόδων για την εξόρυξη προτύπων από σχεσιακά δεδομένα είναι εξίσου σημαντική. Σε αυτή την ομιλία θα δώσω το υπόβαθρο πάνω σε εξόρυξη προτύπων, θα εξηγήσω το κίνητρο για την εξόρυξη προτύπων σε σχεσιακά δεδομένα και θα παρουσιάσω την έρευνά μου πάνω στο θέμα. Πιο συγκεκριμένα θα παρουσιάσω ένα νέο συντακτικό προτύπων το οποίο γενικέυει το συντακτικό προτύπων του itemset, καθώς και έναν αλγόριθμο για την εξόρυξη προτύπων αυτού του συντακτικού. Τέλος θα παρουσιάσω ένα μέτρο αξιολόγισης προτύπων με βάση το ενδιαφέρον τους.”