मल्टी-रिलेशनल डेटा माइनिंग (MRDM) विधियां एक रिलेशनल डेटाबेस से कई टेबल्स (संबंधों) वाले पैटर्न की खोज करती हैं। प्रत्येक टेबल या संबंध एक इकाई या एक संबंध का प्रतिनिधित्व करता है, जिसे गुणों के एक सेट द्वारा वर्णित किया जाता है। संबंधों के बीच लिंक उनके बीच संबंध दिखाते हैं।
प्रोपोजिशनलाइज़ेशन दृष्टिकोण
पारंपरिक डेटा माइनिंग विधियों (जो मानती हैं कि डेटा एक ही टेबल में रहता है) को लागू करने का एक तरीका प्रोपोजिशनलाइज़ेशन है, जो जॉइन और एकत्रीकरण का उपयोग करके कई रिलेशनल डेटा को एक सिंगल फ्लैट डेटा संबंध में परिवर्तित करता है।
यह एक विशाल, अवांछनीय "यूनिवर्सल रिलेशन" (सभी गुणों को शामिल करने वाला) उत्पन्न कर सकता है। इसके अलावा, यह डेटाबेस डिज़ाइन में लिंक्स द्वारा दर्शाई गई आवश्यक सिमेंटिक जानकारी सहित सूचना के नुकसान का परिणाम दे सकता है।
मल्टी-रिलेशनल डेटा माइनिंग का लक्ष्य
मल्टी-रिलेशनल डेटा माइनिंग का उद्देश्य रिलेशनल डेटा से सीधे ज्ञान की खोज करना है। विभिन्न मल्टी-रिलेशनल डेटा माइनिंग कार्य हैं, जैसे बहुराष्ट्रीय वर्गीकरण, क्लस्टरिंग, और लगातार पैटर्न माइनिंग।
मल्टी-रिलेशनल वर्गीकरण
मल्टी-रिलेशनल वर्गीकरण का लाभ विभिन्न संबंधों में जानकारी का उपयोग करने वाले वर्गीकरण मॉडल का निर्माण करना है। मल्टी-रिलेशनल क्लस्टरिंग का उद्देश्य उनके गुणों के साथ-साथ विभिन्न संबंधों में उनसे संबंधित टपल्स का उपयोग करके टपल्स को क्लस्टर्स में समूहित करना है। मल्टी-रिलेशनल लगातार पैटर्न माइनिंग का उद्देश्य विभिन्न संबंधों में परस्पर जुड़े आइटम्स को शामिल करने वाले पैटर्न ढूंढना है। यह पहले मल्टी-रिलेशनल वर्गीकरण को एक उदाहरण के रूप में उपयोग कर सकता है ताकि मल्टी-रिलेशनल डेटा माइनिंग के उद्देश्य और प्रक्रिया को स्पष्ट किया जा सके।
मल्टी-रिलेशनल वर्गीकरण के लिए एक डेटाबेस में, एक लक्ष्य संबंध Rt होता है, जिसके टपल्स को लक्ष्य टपल्स के रूप में जाना जाता है और जो क्लास लेबल्स से संबंधित होते हैं। अन्य संबंध गैर-लक्ष्य हैं। प्रत्येक संबंध में एक प्राथमिक कुंजी हो सकती है (जो संबंध में टपल्स को विशिष्ट रूप से पहचानती है) और कई विदेशी कुंजियाँ (जहां एक संबंध में प्राथमिक कुंजी को दूसरे में विदेशी कुंजी से जोड़ा जा सकता है)।
यदि हम दो-वर्ग समस्या पर विचार करते हैं, तो हम एक वर्ग को सकारात्मक वर्ग और दूसरे को नकारात्मक वर्ग के रूप में चुन सकते हैं। एक सटीक मल्टी-रिलेशनल क्लासिफायर बनाने की सेवा विभिन्न संबंधों में प्रासंगिक विशेषताओं को ढूंढना है जो सकारात्मक और नकारात्मक लक्ष्य टपल्स को वर्गीकृत करने में मदद करती हैं।
परिकल्पना रूप
मल्टी-रिलेशनल वर्गीकरण के लिए परिकल्पनाओं का सबसे लोकप्रिय रूप नियमों के सेट हैं। प्रत्येक नियम predicates की एक सूची (तार्किक संयोजन) है, जो एक क्लास लेबल से जुड़ा होता है। एक predicate एक संबंध में एक गुण पर एक प्रतिबंध है। एक predicate को अक्सर एक निश्चित जॉइन पथ के आधार पर परिभाषित किया जाता है। एक लक्ष्य टपल एक नियम को तभी संतुष्ट करता है जब वह नियम के प्रत्येक predicate को संतुष्ट करता है।
