Sääntöpohjaisten menetelmien soveltuvuus tiedonlouhinnassa

Abstract

Tiedonlouhinta on prosessi, jossa datasta etsitään kiinnostavia yhteyksiä. Tämä menetelmä on saanut huomiota datan määrän kasvamisen, koneoppimisen ja tietokoneiden tehokkuuden kasvamisen myötä. Sääntöpohjainen tiedonlouhinta on yksi lähestymistapa useiden muiden menetelmien joukossa. Se perustuu formaalin logiikan sääntöihin, ja se on saanut paljon vaikutteita aikaisemmista logiikan sovelluksista kuten logiikkaohjelmoinnista. Työn tarkoituksena on selvittää, milloin sääntöpohjaisia menetelmiä voidaan ja on kannattavaa soveltaa. Työ aloitetaan logiikan määritelmien esittelyllä. Tavoitteena on havainnollistaa, mihin louhittavien sääntöjen esitysmuoto perustuu. Tällöin myös esitellään, kuinka relaatioilla voidaan laajentaa tarkasteltavaa kieltä, jolloin saadaan aikaiseksi yhtenäinen runko myöhemmin esiteltävien menetelmien tueksi. Lisäksi näytetään erilaisia sääntöjen esitystapoja, joita on esitetty tutkimuksissa. Sääntöjen jälkeen esitellään kaksi algoritmia sääntöjen louhimiseen. Algoritmien tarkoitus on havainnollistaa erilaisten menetelmien ominaisuuksia ja antaa kontekstia, mihin työssä esiteltävä lähestymistapa perustuu. Algoritmien jälkeen tarkastellaan tiedonlouhinnan erilaisia tehtäviä. Tämän jälkeen tarkastellaan sääntöpohjaisia menetelmiä yleisellä tasolla ja vastataan tutkimuskysymykseen: milloin sääntöpohjaisia menetelmiä voidaan soveltaa tiedonlouhinnassa. Kirjallisuuskatsauksessa huomataan, että tutkittavilla menetelmillä voidaan ratkaista useita erilaisia tehtäviä. Sääntöpohjaisien menetelmien sovelluksista on tehty tutkimusta lukuisista erilaisista käyttötarkoituksista. Kuitenkin soveltuvuuteen vaikuttaa enemmän muut tekijät kuten ongelman luonne, datan esitystapa, ihmisten kyky mallintaa ongelmaa ja sovelluskohteen koko. Parhainten sääntöpohjainen lähestymistapa suoriutuu, kun ongelma voidaan luonnollisesti esittää diskreetein rakentein. Toisaalta datan tulisi olla sellaista, että algoritmeja voidaan soveltaa siihen luonnollisesti. Lisäksi useat menetelmät vaativat käyttäjältä jonkinlaista ohjausta prosessissa.