Data Mining에 관한 주요 이슈들

Data Mining에 관한 주요 이슈들

Data Mining에 대한 방법론

Data mining은 다양한 유형의 정보로부터 다양한 knowledge를 찾는다.

 

이 때 아래 이슈들을 고려해야 한다.

• Performance
  • efficiency, effectiveness, scalability 
  • 잘 찾아도 속도가 너무 느리면 안됨
• Pattern evaluation
  • interestingness problem
  • 의미있는 패턴들을 골라내야 한다.
• Incorporation of background knowledge
  • domain expert가 가지고 있는 지식과 합쳐서 더 고차원의 knowledge를 추출해야 한다.
• Handling noise and incomplete data
  • dirty data를 잘 정체해야 한다.
• Paraller, distribute and incremental minig method
  • 일관적인 결과를 보여야 한다. 
  • 이전에 mining을 잘 했으면 후에 데이터를 추가해서 mining 한 것과 크게 차이가 없어야 한다.
• Knowledge fusion
  • integration of the discovered knowledge with existing one
  • 이미 존재하는 knoledge와 새로 나타난 knowledge를 융합하는 것도 중요하다.

 

User Interaction

• Data mining query language, ad-hoc mining
  • 사용자가 편하게 이용할 수 있도록 한다.
• experssion and visualization of data mining result
  • 사용자가 직관적으로 이해할 수 있도록 표현하거나 시각화
• interactive mining of knowledge at multiple levels of abstraction
  • mining 된 knowledge를 여러 레벨의 concept으로 추상화

 

Application and Social Impacts

• domain-specific data mining
  • 응용에 맞게 기술을 변형
• protection of data security, integrity, privacy
  • 사회적으로 중요한 문제로 인식되기 때문에 주의해야 한다. 
  • security : 데이터를 모두 내놔야 mining이 가능하기 때문에 주의해야 한다.
  • integrity : 무결성