Symbolic Rule Language (srl) - мова символьних правил

SRL – це універсальна алгоритмічна мова PolyAnalyst, яка використовується для символьного уявлення автоматично знайдених системою в процесі Data Mining правив, а також для створення користувачем своїх власних правил. На мові SRL можна виразити широкий спектр математичних конструкцій, використовуючи операції алгебри, великий набір вбудованих функцій, операції з датами і часом, логічні і умовні конструкції. Для зручності написання виразів на SRL в програмі передбачений майстер створення правил.

2. Завдання для виконання:

Перед виконанням роботи ознайомитись із теоретичними відомостями.

У відповідності до отриманого номеру варіанта описати основні алгоритми аналізу даних і вказати, де задані модулі доцільно використовувати (варіант задає викладач, а алгоритми описані у теоретичній частині).

Навести приклад практичного застосування алгоритму асоціації – методу аналізу "корзини покупця" та його модифікації – транзакційного аналізу "корзини", оформити та представити результати.

Створити текстові коментарі до роботи.

3. Зміст звіту

3.1. Тема та мета роботи.

3.2. Коротко основні теоретичні відомості.

3.3. Відобразити отримані результати (п. 2.2.-2.4).

3.4.Висновки за результатами виконаної роботи.

4. Контрольні запитання

4.1. Поняття ІАД.

4.2. Основні класи процесів ІАД.

4.3. Архітектура системи багатовимірного інтелектуального аналізу даних.

4.4. Характеристика системи PolyAnalyst.

4.5. Архітектура системи PolyAnalyst.

4.6. Аналітичний інструментарій PolyAnalyst.

4.7. Модулі текстового аналізу.

4.8. Візуалізація в PolyAnalyst.

4.9. Текстовий аналіз в PolyAnalyst.

Список рекомендованих джерел:

1. Ситник В.Ф. Система підтримки прийняття рішень: Навч. посібник.-К.:КНЕУ, 2004.-614 с.

2. Коровкин С. Д., Левенец И. А., Ратманова И. Д., Старых В. А., Щавелёв Л. В. Решение проблемы комплексного оперативного анализа информации хранилищ данных // СУБД. - 1997. - № 5-6. - С. 47-51.

3. Кречетов Н., Иванов П. Продукты для интеллектуального анализа данных // ComputerWeek-Москва. - 1997. - № 14-15. - С. 32-39.

4. Пржиялковский В. В. Сложный анализ данных большого объема: новые перспективы компьютеризации // СУБД. - 1996. - № 4. - С. 71-83.

5. Раден Н. Данные, данные и только данные // ComputerWeek-Москва. - 1996. - № 8. - С. 28.

6. Туо Дж. Каждому пользователю - свое представление данных // ComputerWeek-Москва. - 1996. - № 38. - С. 1, 32-33.

7. Alalouf C. Hybrid OLAP. - St. Laurent, Canada: Speedware Corporation Inc., 1997.

8. An Introduction to Multidimensional Database Technology. - Kenan Systems Corporation, 1995.

9. Codd E. F., Codd S. B., Salley C. T. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. - E. F. Codd & Associates, 1993.

10. Demarest M. Building the Data Mart // DBMS. - 1994. - № 7. - P. 44-50.

11. Gray J., Chaudhuri S., Bosworth A., etc. Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals // Data Mining and Knowledge Discovery. - 1997. - № 1. - P. 29-53.

12. Harinarayan V., Rajaraman A., Ullman J. D. Implementing Data Cubes Efficiently // SIGMOD Conference. - Montreal, CA. -1996.

13. Mumick I. S., Quass D., Mumick B. S. Maintenance of Data Cubes and Summary Tables in a Warehouse. - Stanford University, Database Group, 1996 (http://www-db.stanford.edu/pub/papers/cube-maint.ps).

14. Newquist H. P. Data Mining: The AI Metamorphosis // Database Programming and Design. - 1996. - № 9.

15. Федоров А., Елманова Н. Введение в OLAP - технологии Microsoft - М.: Диалог - МИФИ, 2002 - 268 с.

16. Дюк В.А. Data Mining – состояние проблемы, новые решения. Wysiwyg: //38/ http://www.inftech.webservis.ru/database/datamining/ar1.html.

17. Дюк В.А. Data Mining – интеллектуальный анализ данных.

18. Wysiwyg: //18/ http://www.olap.ru/basic/dm2.asp.

19. 5. Кречетов, П. Иванов. Продукти для интеллектуального анализа даних // ComputerWeek-Москва. - 1997. - N 14-15. - С. 32-39.

20. 6 E. F. Codd, S. B. Codd, C. T. Salley. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. - E. F. Codd & Associates, 1993.

21. J. Gray, S. Chaudhuri, A. Bosworth, A. Layman, D. Reichart, M. Venkatrao, F. Pellow, H. Pirahesh. Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals // Data Mining and Knowledge Discovery. - 1997. - N 1. - P. 29-53.

22. D. Hackathorn. Reinventing Enterprise Systems Via Data Warehousing. - Washington, DC: The Data Warehousing Institute Annual Conference, 1995.

23. Корнеев В.В. и др. Базы данных. Интеллектуальная обработка информации. - М.: Нолидж, 2000. - 352 с.

24. Rob P. and C. Coronell. Database Systems: Design, Implementation, and Management, Course Technology, 1997.

25. Лесник А.А., Мальцев В.Н. Системы поддержки управленческих и проектных решений. - Л.: Машиностроение. Ленингр. отд-е, 1990. - 167 с.

26. Архипенков С.Я. Аналитические системы на базе Oracle Express OLAP. - М.: Диалог - МИФИ, 2000. - 320 с.

69