Системы извлечения знаний

Системы извлечения знаний («системы добычи знаний», «DM-системы» (date mining)) – это новые интеллектуальные технологии анализа данных, которые позволяют извлекать информацию (знания) из баз данных большого объема и глобальных информационных сетей.

Рассмотрим основные особенности таких систем:

· Обеспечение автоматического выявления причинно-следственных связей между атрибутами в реляционных БД. С их помощью можно получить ответы на такие вопросы, как: Какие факторы способствуют увеличению числа продаж того или иного товара? Какие события влияют на изменения котировок ценных бумаг? Если контролируемым параметром выступает время, то тогда появляется возможность отображать динамику валютных торгов, прогнозы пополнения сырьевых запасов и т.д. Кроме того, современные системы извлечения знаний способны не только находить корреляционные зависимости, но и оценивать вероятность каждой гипотезы. Наиболее мощные системы используют аппарат нечеткой логики и оперируют как количественными, так и качественными параметрами – «популярный», «прибыльный», «стабильный» и др.

· Автоматическая кластеризация данных для ответов. Например, можно получить ответы на такие вопросы: «На какие группы делятся клиенты банка?», «Какая группа наиболее представительна?». Пользователи могут также узнать параметры кластеризации такие, как количество и размер кластеров, черты типичного представителя данного класса объектов, четкость границ и др.

· Возможность автоматизированной обработки неструктурной текстовой информации.

· Способность к генерации итоговых отчетов в форме, максимально приближенной к тексту на естественном языке.

· Широта возможностей визуализации информации.