Нами был разработан реляционный подход (Relational Data Mining) к методам извлечения знаний и программная система «Discovery» [1, 2, 4], снимающие практически все ограничения с методов KDD&DM (Knowledge Discovery in Data Bases and Data Mining).
Система Discovery, обладает следующими важными теоретическими свойствами: может обнаруживать теорию предметной области, может обнаруживать все правила, имеющие максимальные условные вероятности, может обнаруживать непротиворечивую вероятностную аппроксимацию теории предметной области [2], обнаруживает все максимально специфические правила, позволяющие предсказывать без противоречий [3].
В данной работе проводится теоретическое и экспериментальное сравнение системы «Discovery» с алгоритмом Microsoft Association Rules. Мы показали, что система «Discovery» больше подходит для обнаружения закономерностей и прогнозирования, чем Association Rules, а также, в отличие от алгоритма
| Abstracts file: | Краткие Тезисы v2.pdf |