تحلیل تاثیر تکنیک های استخراج داده بر پایگاه داده ها Analysis the effect of data mining techniques on database

مقدمه:

در سال های اخیر استخراج داده به تکنیک بسیار معروفی برای استخراج اطلاعات از پایگاه داده در حوزه های مختلف مبدل شده است که به عوامل گوناگونی من جمله قابلیت دسترسی کاربران به آن و نتایج نشان دهنده آن بستگی دارد. استخراج داده به معنای جستجوی اطلاعات بارزش در حخم وسیع داده ها میباشد.با افزایش دسترسی به پایگاه های داده ای با ساختارهای مشخص، نیاز به تکنیک های استخراج داده که برای این ساختارها طراحی شده اند نیز بیشتر میشود. به جهت کیفیت بهتر نرم افزار، مهندسان نرم افزار الگوریتم های بسیار ی را برای وظایف مهندسی نرم افزارهای مختلف بکار میبرند. دستیابی سریع تر و بهتر به پایگاه داده ها، تحلیل و درک نتایج و همچنین ذخیره سازی داده ها که از حیطه ی توانایی افراد خارج است، دانشمندان و محققان را ترغیب نموده است تا در کشف و ابداع فیلدهای خاش اکتساب دانش در پایگاه های داده ای حرکتی صعودی و روزافزون داشته باشند. حجم اطلاعاتی بالا و عدم توانایی برای درک و فهم فرآیندهایی که سبب ایجاد آنها شده اند باعث استفاده از تکنیک های استخراج داده ای میشود که به این طریق میتوان الگوهای ساختاری گوناگون با مطالب مفید را از پایگاه داده ای استخراج نمود. جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. و استخراج داده از آنها برای مجموعه های بزرگ بسیار مهم و در عین حال جالب توجه میباشد. با این حال هنوز نمی دانیم از کدام پایگاه داده و از کدام تکنیک استخراج داده ای استفاده کنیم که بهترین نتیجه حاصل شود. در این مقاله به تکنیک های استخراج داده با توجه به نوع پایگه های داده ای متفاوت می پردازیم. شاید کار ما بیشتر شبیه به تحقیقی مقایسه ای از پایگاه های داده ای گوناگون بنظر بیاید که چگونگی استفاده از تکنیک ها یاستخراج داده نیز در آن بیان شده است. علیرغم تاثیر قابل توجهی که استخراج داده ها بر تحلیل داده ها دارد، جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید. آن هنگام است که به تکنولوژی ویژه ای مبدل میشود. این امر از آن جهت حائز اهمیت است که تحلیل داده ای بایستی از حیث مسائل مدیریتی و تمامیت داده ای قابل استناد و موثق باشد. بنابراین میتوان گفت یکی از چالش های اصلی در این راستا ترکیب تکنولوژی استخراج داده ای با چهارچوب های کاری سیستم های سنتی می باشد. تاکنون محققان تلاش کرده اند تا ازین تکنیک به روشی مناسب جهت رسیدن به نتایج مطلوب در تکنولوژی استخراج داده ای استفاده کنند. در این مقاله به چندین مورد استخراجگر داده ای من جمله IBM DB2، SQL Server، MYSQL و ORACLE اشاره نموده و هر کدام را به تفصیل مورد بررسی قرار داده ایم.

2.ارائه ی مدل های استخراجی در پایگاه داده ها

میتوان استخراج داده ای را به این صورت تعریف نمود: فرآیند کشف اطلاعات مفیدی بالقوه و مخفی شده در پایگاه های داده ای بسیار بزرگ. پیشرفت هایی که در زمینه ی استخراج داده ای انجام شده اند، اجرای چندین عملیات استخراج داده ای را بطور کافی در پایگاه های داده ای بسیار بزرگ ممکن نموده است. درحالیکه این مساله بخش مهمی می باشد اما نبایسی هدف اصلی استخراج داده ای که همانا به طرح مدل های استخراج داده توسط برنامه نویسان این حوزه است را از یاد ببریم.(برای مثال دسته بندی تصمیم گیری به روش درختی، مدل بازگشتی، تقطیع) . چراکه آنها ازین مدل ها برای تحلیل و پیشگویی داده ها وکاربرد های بسیار دیگر بهره میبرند. با دانستن این مطلب اکنون میدانیم که جنبه ی کلیدی و مهم ترکیب تکنولوژی استخراج داده ای با سیستم های داده ای این است که چگونه با آنها همچون موضوعات بکر و دست اول پایگاه های داده ای برخورد کنیم. متاسفانه با همه ی این تفاسیر هنوز استخراج داده ای همچون دور افتاده است که با سیستم های داده ای بطور کامل ترکیب نشده است. بخاطر داشته باشید که مدل استخراج داده ای از طریق بکار بردن الگوریتم های استخراج داده ای بر مجموعه داده های آموزشی حاصل میشود. چگونگی فعالیت استخراج داده ای در تصویر 1 نشان آمده است. این تصویر فرآیند استخراج داده ای را به روشی سیستماتیک نشان میدهد.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

 شکل 1:ارائه فرآیندهای داده کاوی در پایگاه های داده

3.IBM DB2

این برنامه عاملیت استخراج داده را در نسخه های بالای پایگاه داده ای DB2 ارائه میکند. تکنولوژی استخراج داده با استفاده از IBM به شما امکان این را میدهد تا : سوئ استفاده و کلاه برداری را شناسایی کنید، مانع بهم زدن مشتریان شوید، مشتریان خود را طبقه بندی کنید و بسادگی تحلیل سبد بازاری انجام دهید. استخراجگر داده ای هوشمند در اینجا برای فراهم نمودن عاملیت استخراج داده ای ارائه شده است. تصویر 2 مدل تعاملی ساده ی استخراجگر هوشمند IBM DB2 را نشان میدهد. ویرایش انبار داده ای IBM DB2 شامل ویژگی های زیر میشود:

• عملکردهای استخراج داده در استودیوی طراحی ویرایش انبار داده ای DB2


• عملکردهای استخراج داده در کنسول مدیریتی ویرایش انبار داده ای DB2


• استخراجگر هوشمند با قابلیت استخراج داده ای آسان


• استخراجگر هوشمند با قابلیت مدل سازی


• استخراجگر هوشمند با قابلیت رتبه بندی


• استخراجگر هوشمند با قابلیت تصویرسازی

در برنامه ی DB2 برای استخراج داده استخراجگر خاصی به نام استخراجگر هوشمند تعبیه شده است که عملکردهای زیر را انجام میدهد:

3.1:استخراجگر هوشمند DB2 با قابلیت مدل سازی:این برنامه میتواند مدلسازی تکنولوژیکی انجام دهد. باعث به راه اندازی برنامه ی SQL میشود و ازین طریق دسته بندی، طبقه بندی، و انتقال عملیات برگشتی مربوطه را انجام میدهد که همین امر سبب ایجاد مدل های تحلیلی میشود که در نسخه ی 8.2 این برنامه و یا نسخه ی 8 برنامه SQL موجودند. با بکارگیری برنامه ی SQL میتوانیدبراحتی

وابسته سازی کنید، دسته بندی و طبقه بندی درختی انجام دهید و انتقال مدل های برگشتی PMML را اجرا کنید. تمامی این امکانات در جداول DB2 ذخیره سازی شده اند.

3.2:استخراجگر هوشمند DB2 با قابلیت رتبه بندی:این برنامه قادر است رتبه بندی تکنولوژیکی انجام داده و برنامه های کاربردی دیگر را فعال میکند تا مدل های زبان قالب بندی یا حفظ اطلاعات در پایگاه های داده ای بسیاربزرگ، زیرمجموعه های پایگاه های داده ای، ردیف ها یا موارد تکی بکار ببرد. برنامه های کاربردی که از SQL API استفاده میکنند، عملکردهایی دارند که کاربر به صورت خودکار میتواند آنها را تعریف کند (UDFs) و همچنین دارای روشهایی برای رتبه بندی اطلاعات است که کاربر میتواند آنها را خود تعریف کند (UDMs). این برنامه شامل JAVA BEANS نیز میشود که به شما امکان رتبه بندی ضبط یک داده ی تکی در JAVA را میدهد. ازین کاربرد میتوان در ربنامه های تجارت الکترونیک عظیم استفاده نمود. مثل مشخص نمودن زمان واقعی رتبه بندی در سیستم های مدیریتی که با مشتری در ارتباط است. تصویر 3 نمایانگر ویژگیهای این استخراجگر هوشمند در محیط تجاریست.

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

3.3:استخراجگر هوشمند DB2 با قابلیت تصویرسازی: این برنامه امکان تصویرسازی وابستگی، طبقه بندی، دسته بندی و تحلیل نتایج را فراهم میکند. این استخراجگر عملکردهای استخراج داده ای را بهمراه الگوریتم های مربوطه آن برای ایجاد و ذخیره سازی مدل های استخراجی در پایگاه داده ای DB2 فراهم میکند. با پیدا کردن مدل های استخراج داده ای که با این برنامه ایجاد شده اند در PMML و وارد نمودن فایل PMML د رپایگاه داده میتوان این مدل ها را انتقال داد. استفاده از رتبه بندی به این روش شامل مراحل زیر میشود:

• وارد نمودن مدل استخراج داده در جدول DB2.(یعنی همان جاییکه حجم وسیعی از آن ذخیره شده است.)


• بکارگرفتن مدل برای داده هایی که در جداول DB2 ذخیره شده اند


• ذخیره سازی نتایج حاصل از استخراج داده در جداول DB2


• تحلیل و بررسی نتایج برای بدست آوردن اطلاعات مورد نیاز از یافته های جستجو که در جداول ذخیره شده اند.

4.Microsoft SQL Server

شرکت مایکروسافت خدمات بسیاری را در سرور SQL خود برای پشتیبانی از استخراج داده ها ارائه میکند. استخراجگر SQL یک مجموعه از الگوریتم های یادگیری ماشینی است که داده هارا برای الگوها جستجو میکند. وقتی جستجو به پایان رسید ازین الگوها میتوان استفاده ی بهتری نمود به این ترتیب که برای الگوریتم های جدید نیز الگوریتم های قبلی آنها را بکار برد. این سرور خدمات بسیاری دارد که میتواند اجزای لازم و ضروری برای استخراج داده را مشخص کند.

4.1:خدمات تحلیلی:این جزئ تنها جزیی است که بایستی بر روی سیستم نصب گردد.در صورتیکه مایل به استخراج داده ای برخلاف نسخه ی قدیمی آن (2000) هستید بایستی این جزئ را نصب نمایید.

4.2:خدمات گزارشی: درصورتیکه میخواهید کارهایی را که برخلاف مدل های استخراج داده ای تان است گزارش کنید بایستی این قسمت نصب شود.

شکل2:پایگاه اطلاعات IBM DB2

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.

شکل 3: ویژگی پایگاه داده در محیط کسب وکار

4.3:خدمات پایگاه داده ای SQL:اگ تمایل دارید تا از SQL به عنوان منبع داده یا نمونه های استخراج داده ای استفاده کنید و یا نسخه های آموزشی آن را داشته باشید بایستی تنها موتور مربوطه ی SQL را نصب کنید.(برای دانستن چگونگی استفاده از مدل های استخراج داده و خدماتی که در پایگاه داده ای SQL در اختیار شما قرار گرفته اند.)

جهت مشاهده متن کامل، فایل ترجمه را دانلود نمایید.