REPOZITORIJ > REZULTATI

Povzetek

Večina pristopov podatkovnega rudarjenja je namenjena analizi podatkov, predstavljenih v obliki tabele z vnaprej določenim številom stolpcev. Alternativo predstavljajo kompleksnejši načini shranjevanja podatkov, kot so relacijske podatkovne baze in informacijska omrežja, za katere standardni pristopi podatkovnega rudarjenja niso primerni. Disertacija predstavi več prispevkov k področju rudarjenja kompleksnih podatkov.
V prvem delu disertacija obravnava problem klasifikacije vozlišč v večvrstnih omrežjih (tj. omrežjih z različnimi tipi vozlišč in povezav). Osredotočimo se na pristop dekompozicije večvrstnih omrežij v enovrstna omrežja. Predlagamo več hevristik, s katerimi lahko pri postopku dekompozicije ocenimo pomembnost tako imenovanih povezovalnih vozlišč heterogenega omrežja. K razvoju teh hevristik so nas motivirale metode za uteževanje besed pri tvorjenju besednih vektorjev v rudarjenju tekstovnih podatkov. Prispevek teh hevristik je zmanjševanje vpliva tistih povezovalnih vozlišč, ki so povezana z veliko drugimi vozlišči, in tistih, ki povezujejo vozlišča z različnimi oznakami razredov. Hevristike smo preizkusili na več podatkovnih množicah in pokazali, da njihova uporaba lahko izboljša klasifikacijo vozlišč v večvrstnih omrežjih. Pristop, opisan v tem delu disertacije, imenujemo HinMine.
V drugem delu disertacije predstavimo kombinacijo metod za analizo omrežij in algoritmov za semantično rudarjenje podatkov (angl. _semantic data mining_ – SDM) z namenom iskanja vzorcev v podatkih, anotiranih z ontološkimi termini. Razvita metodologija NetSDM uporablja metode za rangiranje vozlišč v omrežjih, s katerimi oceni pomembnost terminov v dani ontologiji. Metodologijo smo preizkusili na več podatkovnih množicah, med drugim na množici podatkov o izražanju genov pri odzivu na virusno okužbo. Eksperimentalni rezultati kažejo, da lahko z uporabo NetSDM bistveno pohitrimo obstoječi algoritem za semantično rudarjenje podatkov Hedwig, saj za odkrivanje opisnih pravil potrebuje le nekaj minut računalniškega časa namesto nekaj ur.
Tretji del disertacije predstavi metodologijo za vizualizacijo podatkov s pasovnimi matrikami. Metodologija izboljša razumljivost rezultatov algoritma Hedwig tako, da s pomočjo pasovnih matrik najprej odkrije skrito strukturo v analiziranih podatkih. To strukturo odkrijemo neodvisno od algoritma Hedwig, zato lahko s prikazom obeh rezultatov na isti sliki končnemu uporabniku omogočimo nov vpogled v naučena pravila in strukturo podatkovne množice.
Disertacijo zaključimo s predstavitvijo razvitih algoritmov, ki so javno dostopni. Metodologiji HinMine in NetSDM sta dostopni v okviru spletne platforme za podatkovno rudarjenje ClowdFlows, metodologija za vizualizacijo s pasovnimi matrikami pa je na voljo kot paket za programski jezik Python na platformi GitHub.