ความหมายของ Metarules
การทำเหมืองข้อมูล (Data mining) เป็นกระบวนการค้นหาความสัมพันธ์, รูปแบบ, และแนวโน้มที่มีประโยชน์และใหม่ โดยการคัดลอกผ่านปริมาณข้อมูลมากที่จัดเก็บในที่เก็บ (repositories) ใช้เทคโนโลยีการรู้จักรูปแบบ (pattern recognition) รวมถึงเทคนิคทางสถิติและคณิตศาสตร์ เป็นการวิเคราะห์ชุดข้อมูลข้อเท็จจริง (factual datasets) เพื่อค้นพบความสัมพันธ์ที่ไม่คาดคิด และสรุปข้อมูลในวิธีใหม่ที่เป็นเหตุเป็นผลและมีประโยชน์ต่อเจ้าของข้อมูล
Metarules ช่วยให้ผู้ใช้กำหนดรูปแบบไวยากรณ์ (syntactic form) ของกฎที่พวกเขาสนใจจะทำเหมือง รูปแบบกฎเหล่านี้สามารถใช้เป็นข้อจำกัด (constraints) เพื่อช่วยปรับปรุงประสิทธิภาพของกระบวนการทำเหมือง Metarules สามารถอิงจากประสบการณ์ ความคาดหวัง หรือ直觉 (intuition) ของนักวิเคราะห์เกี่ยวกับข้อมูล หรือสามารถสร้างขึ้นอัตโนมัติตามสกีม่าฐานข้อมูล (database schema)
Metarule-guided Mining (การทำเหมืองนำทางด้วย Metarules)
สมมติว่าคุณเป็นนักวิเคราะห์ตลาด (market analyst) สำหรับ AllElectronics คุณมีการเข้าถึงข้อมูลที่กำหนดลูกค้า (รวมถึงอายุ ที่อยู่ และคะแนนเครดิต) และรายการธุรกรรมของลูกค้า คุณกำลังมองหาความสัมพันธ์ระหว่างลักษณะลูกค้าและสินค้าที่ลูกค้าซื้อ อย่างไรก็ตาม แทนที่จะหากฎความสัมพันธ์ทั้งหมดที่สะท้อนความสัมพันธ์เหล่านี้ คุณสนใจเฉพาะในการตัดสินใจว่าคู่ลักษณะลูกค้าใดช่วยเพิ่มยอดขายซอฟต์แวร์สำนักงาน (office software)
ตัวอย่างของ metarule ดังนี้:
P1(X, Y) ∧ P2(X, W) → buys(X, "office software")
โดยที่ P1 และ P2 เป็นตัวแปร predicate ที่ถูกสร้างเป็นอินสแตนซ์ (instantiated) เป็นแอตทริบิวต์จากฐานข้อมูลที่กำหนดระหว่างขั้นตอนการทำเหมือง X เป็นตัวแปรที่แทนลูกค้า และ Y และ W รับค่าของแอตทริบิวต์ที่มอบหมายให้ P1 และ P2 ตามลำดับ
โดยทั่วไป ผู้ใช้สามารถกำหนดรายการแอตทริบิวต์ที่จะพิจารณาสำหรับการสร้างอินสแตนซ์กับ P1 และ P2 ดังนั้น เซตเริ่มต้น (default set) จึงสามารถใช้ได้
โดยทั่วไป metarule สร้างสมมติฐาน (hypothesis) เกี่ยวกับความสัมพันธ์ที่ผู้ใช้牽涉到 (implicated) ในการเข้าใจหรือยืนยัน ระบบทำเหมืองข้อมูลสามารถค้นหากฎที่เชื่อมโยงกับ metarule ที่กำหนดได้ ตัวอย่างเช่น:
age(X, "30...39") ∧ income(X, "41K...60K") → buys(X, "office software")
