AOI का अर्थ है Attribute-Oriented Induction (विशेषता-उन्मुख प्रवर्तन)। अवधारणा विवरण के लिए विशेषता-उन्मुख प्रवर्तन दृष्टिकोण पहली बार 1989 में प्रस्तावित किया गया था, डेटा क्यूब दृष्टिकोण की शुरूआत से कुछ साल पहले। डेटा क्यूब दृष्टिकोण अनिवार्य रूप से डेटा के भौतिक विचारों पर आधारित है, जिसे आमतौर पर डेटा वेयरहाउस में पूर्व-गणना किया गया है।
सामान्यतः, यह OLAP या डेटा माइनिंग क्वेरी के प्रसंस्करण के लिए प्रस्तुत होने से पहले ऑफ़लाइन एकत्रीकरण लागू करता है। दूसरे शब्दों में, विशेषता-उन्मुख प्रवर्तन दृष्टिकोण आमतौर पर एक क्वेरी-उन्मुख, सामान्यीकरण-आधारित, ऑनलाइन डेटा विश्लेषण विधि है।
विशेषता-उन्मुख प्रवर्तन का सामान्य विचार पहले डेटाबेस क्वेरी का उपयोग करके कार्य-प्रासंगिक डेटा एकत्र करना है और फिर प्रासंगिक डेटा संग्रह में प्रत्येक विशेषता के विशिष्ट मूल्यों की संख्या की जांच के आधार पर सामान्यीकरण करना है।
सामान्यीकरण विशेषता हटाने या विशेषता सामान्यीकरण द्वारा लागू किया जाता है। एकत्रीकरण समान सामान्यीकृत टुपल्स को जोड़कर और उनकी विशिष्ट गणनाओं को संचित करके लागू किया जाता है। यह सामान्यीकृत डेटा सेट का आकार कम करता है। परिणामी सामान्यीकृत संघ को उपयोगकर्ता को प्रस्तुत करने के लिए कई रूपों में मैप किया जा सकता है, जिसमें चार्ट या नियम शामिल हैं।
विशेषता-उन्मुख प्रवर्तन की प्रक्रिया जो इस प्रकार है -
पहले, विशेषता-उन्मुख प्रवर्तन से पहले डेटा फोकसिंग लागू की जानी चाहिए। यह चरण कार्य-प्रासंगिक रिकॉर्ड के विवरण से मेल खाता है (यानी, विश्लेषण के लिए डेटा)। डेटा डेटा माइनिंग क्वेरी में समर्थित डेटा के आधार पर एकत्र किया जाता है।
क्योंकि एक डेटा माइनिंग क्वेरी आमतौर पर डेटाबेस के केवल एक हिस्से के लिए प्रासंगिक होती है, प्रासंगिक डेटा सेट का चयन न केवल खनन को अधिक कुशल बनाता है, बल्कि पूरे डेटाबेस के खनन की तुलना में अधिक महत्वपूर्ण परिणाम भी देता है।
प्रासंगिक विशेषताओं का सेट निर्दिष्ट करना (यानी, खनन के लिए विशेषताएँ, जैसा कि DMQL में relevance to क्लॉज के साथ इंगित किया गया है) उपयोगकर्ता के लिए मुश्किल हो सकता है। एक उपयोगकर्ता केवल कुछ विशेषताओं को चुन सकता है जो वह महत्वपूर्ण समझता है, जबकि अन्य जो प्रतिनिधित्व में भूमिका निभा सकते हैं, छूट सकते हैं।
उदाहरण के लिए, मान लीजिए कि जन्म स्थान आयाम शहर, प्रांत या राज्य, और देश विशेषताओं द्वारा परिभाषित है। यदि जन्म स्थान आयाम पर सामान्यीकरण की अनुमति दी जाती है, तो इस आयाम को परिभाषित करने वाली अन्य विशेषताओं को भी शामिल किया जाना चाहिए।
अन्य शब्दों में, सिस्टम द्वारा स्वचालित रूप से प्रांत/राज्य और देश को प्रासंगिक विशेषताओं के रूप में शामिल करने से शहर को प्रवर्तन चरण के दौरान इन बड़े वैचारिक स्तरों तक सामान्यीकृत किया जा सकता है।
दूसरे चरम पर, मान लीजिए कि उपयोगकर्ता ने "*" खंड के साथ सभी संभावित विशेषताओं को निर्दिष्ट करके बहुत अधिक विशेषताएँ पेश की हैं। इस मामले में, from क्लॉज द्वारा निर्दिष्ट संबंध में सभी विशेषताएँ विश्लेषण में शामिल होंगी।
कुछ विशेषताएँ एक दिलचस्प प्रतिनिधित्व में योगदान करने की संभावना नहीं रखती हैं। सहसंबंध-आधारित या एन्ट्रॉपी-आधारित विश्लेषण विधि का उपयोग विशेषता प्रासंगिकता विश्लेषण करने और वर्णनात्मक खनन प्रक्रिया से सांख्यिकीय रूप से अप्रासंगिक या कमजोर रूप से प्रासंगिक विशेषताओं को फ़िल्टर करने के लिए किया जा सकता है।
