Zadání diplomové práce

Srovnávání pravidel získávaných z dat

K nejrychleji se rozvíjejícím informačním technologiím patří od první poloviny 90. let tzv. data mining ("vytěžování dat"). Pod tímto názvem se skrývají metody které z nepřehledné spousty primárních dat, s níž se dnes člověk musí prakticky ve všech oblastech potýkat,  umožňují extrahovat přehledné množiny strukturovaných znalostí, v těchto datech latentně obsažených. Jedním z nejpoužívanějších způsobů strukturovaného vyjádření znalostí obsažených v datech jsou speciální typy logických implikací, tzv. pravidla. Pravidla lze získat nejjednodušším způsobem z relativních frekvencí výskytu jednotlivých kombinací hodnot atributů, lze je ale také odvodit z výsledků řady statistických metod, např. testů hypotéz v kontingenčních tabulkách nebo regresní analýzy, i metod založených na nestatistických přístupech, např. na neuronových sítích, rozhodovacích stromech či induktivní logice. Velký počet různých přístupů k extrakci pravidel z dat s sebou přináší jeden závažný problém - přístupy založenými na různých teoretických principech lze totiž i ze stejných dat extrahovat naprosto rozdílné množiny pravidel. Proto v posledních letech rychle vzrůstá význam metod umožňujících měřit a srovnávat kvalitu extrahovaných množin pravidel. Další rozvoj takových metod má velkou důležitost již i pro běžné praktické využívání existujících dataminingových systémů, neboť  dnes i ve velkých komerčních systémech bývá implementováno celé spektrum různých přístupů k extrakci pravidel z dat. Příspěvkem k rozvoji těchto metod by měla být i navrhovaná diplomová práce.
Diplomant by se měl seznámit s hlavními přístupy k extrakci pravidel z dat, jak teoreticky, tak i prakticky na konkrétním dataminingovém systému. Měl by získat dobrý přehled o dosud existujících metodách měření a srovnávání kvality extrahovaných množin pravidel. Vlastní tvůrčí přínos práce začne analýzou předností a nedostatků jedotlivých existujících metod, a to jednak teoreticky na základě vlastností těchto metod, jednak rozborem výsledků získaných při použití vybraných metod na reálná data. Završen by potom měl být návrhem a praktickým ověřením vhodných modifikací jedné či více z těchto metod s cílem posílení jejich předností nebo oslabení jejich nedostatků.

Doporučená literatura

1. k teoretickému seznámení s extrakcí pravidel z dat

• M. Berthold, D. Hand. Intelligent Data Analysis. An Introduction, Springer Verlag, Berlin, 1999.
• A.B. Tickle, R. Andrews, M. Golea, J. Diederich. The truth will come to light: directions and challenges in extracting rules from trained artificial neural networks. IEEE Transactions on Neural Networks, 9: 1057-1068, 1998.
• M.L. Wong, K.S. Leung. Data Mining Using Grammar Based Genetic Programming and Applications. Kluwer Academic Publishers, Dordrecht, 2000.
• M. Zaki, S. Parathasarathy, M. Ogihara, W. Li. New parallel algorithms for fast discovery of association rules. Data Mining and Knowledge Discovery, 1: 343-373, 1997.

2. k praktickému seznámení s extrakcí pravidel z dat

Manuály k použitému dataminingovému systému, např.

• Clementine 5.0 User's Guide. SPSS Inc., Chicago, 1999.
• Clementine 5.0 Reference Manual. SPSS Inc., Chicago, 1999.
• D. Coufal. Guha Manual, Institute of Computer Science, Prague, 1999.

3. k metodám měření a srovnávání kvality extrahovaných pravidel

• I. Bruha. Quality of decision rules: empirical and statistical approaches. Informatica, 17: 233-243, 1993.
• P. Dean, A. Famili. Comparative performance of rule quality measures in an induction system. Applied Intelligence, 7: 113-124, 1997.
• K.A. Kaufman, R.S. Michalski. An adjustable descritption quality measure for pattern discovery using the AQ methodology. Journal of Intelligent Information systems, 14: 199-216, 2000.