多的关系数据挖掘的方法的研究.docVIP

多的关系数据挖掘的方法的研究 　　摘要：目前大多数数据挖掘方法是从单关系中发现模式，而多关系数据挖掘（MRDM）则可直接从关系数据库的多表中抽取有效模式。MRDM可以解决原有命题数据挖掘方法不能解决的问题，它不仅有更强的信息表示能力，可以表示和发现更复杂的模式，还可以在挖掘进程中有效地利用背景知识来提高挖掘效率和准确率。近年来，借鉴归纳逻辑程序设计（ILP）技术，已经形成许多多关系数据挖掘方法，如关系关联规则挖掘方法、关系分类聚类方法等。 　　关键词：多关系数据挖掘（关系数据挖掘）；归纳逻辑程序设计；关系分类回归；关系关联规则；基于距离的关系方法 　　中图法分类号：TP391文献标识码：A 　　文章编号：1001－3695(2006)09－0008－05 　　 　　1 引言?? 　　 　　数据库中的知识发现（KnowledgeDiscoveryinDatabases，KDD）是在数据库中寻找有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程[17]。相对于数据预处理和模式评价而言，数据挖掘是这一过程中的关键环节，它是应用计算技术在数据中发现模式的过程。目前，大多数数据挖掘方法是从单关系中寻找模式，但是现实中的数据大多以多关系的形式存在，这样就导致在数据预处理上耗费了大量时间，比如要进行耗时的数据库表的连接和聚合等处理，而且这些处理往往会导致很多有用信息的丢失。?? 　　原有的从单关系中发现模式的数据挖掘方法叫做命题学习方法或属性―值学习方法，该方法使用命题逻辑表示知识和模式。而关系数据挖掘（RelationalDataMining，RDM）也称为多关系数据挖掘（Multi??RelationalDataMining,MRDM），是在由多个关系表构成的关系数据库中抽取模式的一个多学科交叉的领域。它综合运用归纳逻辑程序设计（InductiveLogicProgramming,ILP）、KDD、机器学习和关系数据库等方法，致力于直接从多关系数据集中发现知识的新方法的研究[1]，挖掘由复杂的结构化对象组成的数据集也是该领域的研究方向之一。MRDM不同于基于单关系的挖掘方法，它可以直接对多关系数据进行挖掘，避免了复杂的预处理过程和由于压缩带来的信息丢失等问题。MRDM使用一阶谓词逻辑来表示知识和模式，具有比命题逻辑更强的表达能力，因此MRDM可以解决很多原有命题方法不能解决的实际问题，能够方便地使用背景知识也是MRDM的一个重要特征。?? 　　现在，数据挖掘中通常使用的模式类型和方法已经扩展到多关系的情况下，并形成许多MRDM方法，如关系关联规则挖掘方法、关系分类聚类方法等。这些方法已成功地应用到多个领域，包括商务数据分析、生物信息学、医药设计以及Web挖掘中的信息抽取等，而最成功的应用是在生物信息领域[9]。?? 　　 　　2ILP技术?? 　　 　　MRDM主要是借鉴ILP的思想和技术发展起来的。ILP是机器学习和逻辑编程结合的产物，主要研究多关系数据挖掘技术[1]。ILP利用背景知识从给定的实例发现未知实例的规律。其基本任务是学习未知关系的逻辑定义，在SeminalMIS（ILP最有影响力的先驱之一）系统和FOIL系统（最出名的ILP系统之一）中详细阐述了如何归纳定义未知的关系[18]。近年来，ILP已经可以处理所有的数据挖掘任务，如分类、回归、聚类、预测和关联规则分析等。?? 　　 　　2．1逻辑程序和数据库?? 　　为了在多关系数据表中学习有效的模式，ILP方法主要使用基于逻辑编程的语言（一阶逻辑的子集），而关系代数（关系数据库的形式化理论基础）也是一阶逻辑的子集（一阶逻辑有时候也叫做谓词逻辑或关系逻辑），这种一致性使得ILP与关系数据库间的交互较为容易。?? 　　关系数据库是关系的集合，在关系数据库中，关系可以是数据库中的表，也可以是数据库中的视图（作为明确的逻辑规则出现）。后者一般表示能从其他关系推理得到的关系，如已经定义了父亲、母亲的关系，我们能够扩展这种表示，内涵地定义祖父、祖母、祖先、表兄弟的关系。而逻辑程序中的谓词对应于关系数据库中的关系，谓词的变元则对应于关系的属性，主要的不同是关系的属性是有类型的（如关系数据库中每一属性都预先指定所属类型）[1]。关系数据库与逻辑编程术语的对照如表1所示。?? 　　表1数据库术语与逻辑编程术语的对照表?? 　　 　　2．2θ包含[1]?? 　　大多数ILP方法是自顶向下地、从一般到特殊地使用基于θ包含的特化操作来搜索假设空间。对于ILP而言，θ包含是非常重要的，θ包含为假设空间提供了概化的次序，结构化了假设空间；搜索时的剪枝方法以θ包含为基础；自顶向下的求精图（RefinementGraphs）的子句构造技术和对求精图搜索的中