Seleção de Atributos no Processo de KDD

Dois temas de grande importância para a computação estão sendo utilizados conjuntamente de uma forma cada vez mais aparente: a Descoberta de Conhecimento em Bancos de Dados (Knowledge Discovery in Databases - KDD) e as Ontologias. A Descoberta de Conhecimento em Banco de Dados pode ser beneficiada com Ontologias que apresentam a capacidade para armazenar o "conhecimento", segundo um modelo de alta expressividade semântica, sobre determinados domínios. As ontologias permitem que o conhecimento seja recuperado através de inferências nas classes, descrições, propriedades e restrições. Nas fases existentes no processo de descoberta do conhecimento, a Seleção de Atributos permite que o espaço de análise para os algoritmos de Mineração de Dados possa ser melhorado com atributos mais relevantes para o problema analisado. Porém, algumas vezes esses métodos de seleção não eliminam de forma satisfatória os atributos irrelevantes, pois não permitem uma análise prévia sobre o domínio tratado. Este trabalho propõe um sistema que utiliza uma abordagem semântica com ontologias para seleção de atributos no domínio médico.