GERAÇÃO DE ONTOLOGIAS PARA SISTEMA DE BUSCA SEMÂNTICA USANDO MINERAÇÃO DE DADOS

As técnicas de Data Mining incluem padrões de rastreamento, classificação, associação, detecção de outliers, agrupamento, regressão e previsão. O primeiro passo da Data Mining é rastrear padrões nos quais a data mining está aprendendo a reconhecer padrões em conjuntos de dados. A classificação é o segundo passo na data mining, uma técnica mais complexa de data mining que força os usuários a coletar vários atributos. A associação está relacionada a padrões de rastreamento, mas é mais específica para variáveis ligadas de forma dependente. A detecção de outlier simplesmente reconhecendo o padrão abrangente não pode dar uma compreensão clara do conjunto de dados, que é considerado como o terceiro passo na mineração de dados. O próximo passo na mineração de dados em Clustering é muito semelhante à classificação, mas envolve o agrupamento de pedaços de dados com base em suas semelhanças. A regressão, usada principalmente como uma forma de planejamento e modelagem, é usada para identificar uma determinada variável, dada a presença de outras variáveis. A etapa final da técnica de data mining é a Prediction. É uma das técnicas de mineração de dados mais valiosas.