Eksploracja danych w kontekście procesu Knowledge Discovery In Databases (KDD) i metodologii Cross-Industry Standard Process For Data Mining (CRISP-DM)

Mirończuk, M.; Maciak, T.

Artykuł - szczegóły

Tytuł artykułu

Eksploracja danych w kontekście procesu Knowledge Discovery In Databases (KDD) i metodologii Cross-Industry Standard Process For Data Mining (CRISP-DM)

Autorzy

Mirończuk M. , Maciak T.

Identyfikatory

Warianty tytułu

Języki publikacji

Abstrakty

Article aims at introducing for the readers few problems connected with KDD process, Data Mining project modeling with the use of CRlSP-DM The systemized knowledge, aproaches to and generic terms was presented in the article. In the first part article describes approach to Data Exploration as one of the KDD cycle, which is specialized Knowledge Discovery process. Then article takes the subject of CRlSP-DM method. The context of method usage depending on scale and integration of project, which they concern - ivestigate of useing text mining in Inteligent Decission Support System (IDSS) develop by informatic faculty of Fire Service. At the end of the article the summary was made, which contains common features between the two looks on the exploration and extracting knowledge from data bases.

Słowa kluczowe

eksploracja danych Cross-Industry Standard Process for Data Mining CRISP-DM odkrywanie wiedzy w bazach danych KDD badanie wstępne systemów wydobycie tekstu analiza tekstu

data exploration data mining Cross-Industry Standard Process for Data Mining CRISP-DM knowledge discovery in databases KDD pre-exploration systems post-exploration systems text mining text analysis

Wydawca

Komisja Informatyki Polskiej Akademii Nauk, Oddział w Gdańsku

Czasopismo

Metody Informatyki Stosowanej

Rocznik

2009

Tom

nr 2 (19)

Strony

65--79

Opis fizyczny

Bibliogr. 50 poz., rys.

Twórcy

autor

Mirończuk M.

autor

Maciak T.

Politechnika Białostocka, Wydział Elektryczny

Bibliografia

[1] Brilman J. Nowoczesne koncepcje i metody zarządzania. Wydanie 1. Polskie Wydawnictwo Ekonomiczne, 2002.
[2] Wilk-Kołodziejczyk D. Pozyskiwanie wiedzy w sieciach komputerowych z rozproszonych źródeł informacji. In: Lesław H.H. (red.). Społeczeństwo informacyjne Wizja czy rzeczywistość? [on-line] Kraków: Uczelniane Wydawnictwa Naukowo - Dydaktyczne, 2003, 30 maja. [dostęp: 16.11.2007] http://winntbg.bg.agh.edu.pl/skrypty2/0095/285-295.pdf.
[3] Fayyad U., Piatetsky-Shapiro G., Smyth P. From Data Mining to Knowledge Discovery in Databases. AI Magazine, 1996.
[4] Piatetsky-Shapiro G., Frawley J. W. Knowledge Discovery in Databases. AAAI/MIT Press, 1991.
[5] CRISP-DM. [on-line] [dostęp: 1.06.2008] http://www.crisp-dm.org/.
[6] Metodologia Data Mining – model referencyjny CRISP-DM. [on-line] [dostęp: 01.06.2008] http://www.spss.pl/konsulting/konsulting_datamining_metodologia.html.
[7] Chapman P., Clinton J., Kerber R., Khabaza T., Reinartz T., Shearer C., et al. CRISPDM 1.0 Step-by-step data mining guide. [on-line]. [dostęp: 01.06.2008] http://www.crisp-dm.org/CRISPWP-0800.pdf.
[8] Hand D., Mannila H., Smith P. Eksploracja danych. Wydanie 1. Warszawa: Wydawnictwo Naukowo-Techniczne, 2005.
[9] Fayyad U. M., Piatetsky-Shapiro G., Smyth P. From Data Mining to Knowledge Discovery: An Overview. AAAI Press/MIT Press, s. 1-36.
[10] Hand D., Maninila H., Smyth P. Principles of Data Mining. Cambridge: MIT Press, 2001.
[11] Zhou F., Yang B., Li L., Chen Z. Overview of the New Types of Intelligent Decision Support System. Innovative Computing Information and Control, No 1(10), 2008, s. 267-267.
[12] Mirończuk M., Karol K. Koncepcja systemu ekspertowego do wspomagania decyzji w Panstwowej Strazy Pozarnej. W: Grzech A., Juszczyn K., Kwaśnicka H., Nguyen N.T., (red.). Inżynieria Wiedzy i Systemy Ekspertowe. Warszawa: Akademicka Oficyna Wydawnicza EXIT, 2009.
[13] Morzy T. Eksploracja danych: problemy i rozwiązania. [on-line] [Zakopane]: V Konferencja PLOUG 1999 – Integracja danych i systemów informatycznych, 1999, 12-16 października. [dostęp: 16.11.2007] http://www.ploug.org.pl/konf_99/pdf/7.pdf.
[14] Zakrzewicz M. Data Mining i odkrywanie wiedzy w bazach danych. [on-line] [Zakopane]: Konferencja PLOUG'97 - Sieciowy system informacji o projektach badawczych, 1997. [dostęp: 16.11.2007] http://www.cs.put.poznan.pl/mzakrzewicz/presentations/ploug97.pdf.
[15] Houston A. L., Chen H., Hubbard S. M., Schatz B. R., Ng T. D., Sewell R. R., et al. Medical Data Mining on the Internet: Research on a Cancer Information System. Artificial Intelligence Review, No 13, 1999, s. 437-466.
[16] Clinton B. New York University speech, Salon.com [on-line]. [dostęp: 01.06.2008] http://www.salon.com/politics/feature/2002/12/06/clinton/print.html.
[17] Frawley J. W., Piatetsky-Shapiro G., Matheus C. Knowledge Discovery in Databases: An Overview. AI Magazine, No 13(3), 1992, s. 57-70.
[18] Janicki M., Ślęzak D. Data mining w praktyce. Wprowadzenie w tematykę [on-line]. [dostęp: 01.06.2008] http://www.qed.pl/WstepDM.html.
[19] Kobos M. Data Mining. Przegląd Eksploracji danych [on-line]. [dostęp: 01.06.2008] http://www.mini.pw.edu.pl/~mandziuk/23-11-05.pdf.
[20] Larose T. D. Odkrywanie wiedzy z danych. Wydanie 1. Warszawa: Wydawnictwo Naukowe PWN, 2006.
[21] Berson A., Smith S., Thearling K. Building Data Miting Applications for CRM.
[22] Żytniewski M. Budowa modeli dla analitycznych systemów CRM [on-line]. [dostęp: 01.06.2008] http://www.mini.pw.edu.pl/~mandziuk/23-11-05.pdf.
[23] Crisp. [on-line] [dostęp: 01.06.2008] http://www.spss.pl/dodatki/obrazki/crisp.gif.
[24] Jia J. W., Wang J. Z., Li J., Lin S. C. Evaluation Strategies For Automatic Linguistic Indexing Of Pictures. Proc IEEE Int Conf Image Processing, 2003.
[25] Kotsiantis S., Kanellopoulos D., Pintelas P. Multimedia mining. WSEAS Transactions on Systems, No 3, 2004, s. 3263-3268.
[26] Quack T., Ferrari V., Gool L. V. Gool. Video mining with frequent itemset configurations. In Proc CIVR: Springer, 2006. p. 360-369.
[27] Santos M., Amaral L. Knowledge Discovery in Spatial Databases through Qualitative Spatial Reasoning. Portugal, 2000. [dostęp: 05.05.2009] http://repositorium.sdum. uminho.pt/bitstream/1822/5584/1/PADD2000_MS_LA.pdf.
[28] Solka J. L. Text Data Mining: Theory and Methods. Statistic Survey.
[29] Ansari S., Kohavi R., Mason L., Zheng Z. Integrating e-commerce and Data Mining: Architecture and Challenges.
[30] Kohavi R., Provost F. Applications of Data Mining to Electronic Commerce Kluwer Academic, 2001.
[31] Szełemej Ł. Przegląd metod ekstrakcji wiedzy w serwisach WWW – Web Structure Mining.
[32] Kosala R., Blockeel H. Web Mining Research: A Survey. SIGKDD Explorations, No 2, 2000, s. 1-15.
[33] Staś T. Wykorzystanie technik ewolucyjnych w procesie nowoczesnej personalizacji portali internetowych. Studia i materiały polskiego stowarzyszenia zarządzania wiedzą. Bydgoszcz: PSZW, 2007.
[34] Demski T. Data Mining w sterowaniu procesem (QC Data Mining). StatSoft Polska. [dostęp: 20.09.2008] http://www.statsoft.pl/czytelnia/jakosc/sixqcminer.pdf.
[35] Naoki Y. S., Morikawa M. H., Fellow T. I., Shi Y. Open Smart Classroom: Extensible and Scalable Learning System in Smart Space Using Web Service Technology. IEEE Transactions on Knowledge and Data Engineering, No 6(21), 2009.
[36] Rajman M. Text Mining – Knowledge Extraction from Unstructured Textual Data. 6th Conference of International Federation of Classification Societies (IFCS-98), 1998.
[37] Krasuski A. Rozproszona baza danych − możliwości wykorzystania w PSP. Przegląd Pożarniczy, No 5, 2006, s. 30−33.
[38] Krasuski A., Maciak T. Wykorzystanie rozproszonej bazy danych oraz wnioskowania na podstawie przypadków w procesach decyzyjnych państwowej straży pożarnej.
[39] Krasuski A., Maciak T. Rozproszone bazy danych w Państwowej Straży Pożarnej − model systemu. In: Kozielski T., editor. Bazy danych, technologie, narzędzia. Warszawa WKŁ, 2005. p. 135−142.
[40] Krenski K., Maciak T., Krasuski A. An overview of markup languages and appropriateness of XML for description of fire and rescue analyses. Zeszyty Naukowe SGSP, No 37, 2008, s. 27-39.
[41] Abakus: System EWID99. [on-line] [dostęp: 01.05.2009] http://www.ewid.pl/?set=rozw_ewid&gr=roz.
[42] Abakus: System EWIDSTAT. [on-line] [dostęp: 01.05.2009] http://www.ewid.pl/?set=ewidstat&gr=prod.
[43] Mirończuk M., Maciak T. Projekt Grupowego Inteligentnego Systemu Wspomagania Decyzji dla Państwowej Straży Pożarnej. Zeszyty Naukowe SGSP, preprint (2009).
[44] Rozporządzenie Ministra Spraw Wewnętrznych i Administracji z dnia 29 grudnia 1999 r. w sprawie szczegółowych zasad organizacji krajowego systemu ratowniczo gaśniczego. Dz.U.99.111.1311 § 34 pkt. 5 i 6.
[45] Fowler M. UML Distilled: A Brief Guide To The Standard Object Modeling Language. Wydanie 3. Addison-Wesley Professional 2004.
[46] Gamma E. Wzorce Projektowe.
[47] Sołdacki P. Wprowadzenie do eksploracji tekstu i technik płytkiej analizy tekstu. [online] [dostęp: 01.03.2009] http://www.icie.com.pl/ZISI/Soldacki_Text_Mining.ppt.
[48] Makowiecka A. Inżynieria lingwistyczna. Komputerowe przetwarzanie tekstów w języku naturalnym. Warszawa: PJWSTK, 2007.
[49] Stergos A., K. Vangelis, Panagiotis S. Summarization from medical documents. Artificial Intelligence in Medicine, No 2, 2005, s. 157−177.
[50] Goil S., Choudhary A. A Parallel Scalable Infrastructure for OLAP and Data Mining. IEEE Computer Society, 1999.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BPS3-0014-0038