Διαχείριση ποιότητας και αβεβαιότητας σε περιβάλλον εξόρυξης γνώσης

Abstract

Η εξόρυξη γνώσης από µεγάλες αποθήκες δεδοµένων έχει εξελιχθεί σε ένα από τα βασικότερα ερευνητικά ζητήµατα στον τοµέα των βάσεων δεδοµένων, της µηχανικής µάθησης, της στατιστικής, καθώς επίσης και ως µία σηµαντική δυνατότητα για καινοτοµία στις επιχειρήσεις. Οι δικτυακές εφαρµογές που διαχειρίζονται µεγάλες αποθήκες δεδοµένων έχουν αρχίσει να κάνουν χρήση διαφόρων τεχνικών εξόρυξης γνώσης, µε σκοπό τη βελτίωση της ποιότητας των παρεχόµενων υπηρεσιών µέσω της µελέτης της συµπεριφορά των πελατών και της εξαγωγής χρήσιµων συµπερασµάτων από αυτήν. Πλήθος από διαφορετικές τεχνικές και αλγορίθµους έχουν αναπτυχθεί, οι οποίοι µπορούν να χρησιµοποιηθούν για να αναλύσουµε τα δεδοµένα και να αντλήσουµε γνώση µέσα από µεγάλα σύνολα δεδοµένων. Ένα σηµαντικό πρόβληµα που αφορά στα αποτελέσµατα της διαδικασίας εξόρυξης γνώσης είναι η ανάπτυξη αποδοτικών δεικτών αξιολόγησης της ποιότητας των αποτελεσµάτων της ανάλυσης. Αυτό είναι γνωστό ως πρόβληµα εκτίµηση της ποιότητας και είναι ένα βασικό θέµα της όλης διαδικασίας εξόρυξης γνώσης. Ένα άλλο ανοικτό ερευνητικό θέµα στην διαδικασία εξόρυξης γνώσης σε σχέση µε την ποιότητα είναι η αναπαράσταση και διαχείριση της αβεβαιότητας (uncertainty). Η αβεβαιότητα είναι ένα έµφυτο χαρακτηριστικό των δεδοµένων και σχετίζεται µε διάφορες πλευρές αυτών όπως: α) ατελής πληροφορία, β) παρουσίαση των ποικίλων συγκεντρώσεων που παρουσιάζουν τα γνωρίσµατα, και γ) χρήση ποιοτικών περιγραφών των τιµών των γνωρισµάτων και των συσχετίσεων µεταξύ τους. ?στόσο, υπάρχουν σχετικά λίγες προσπάθειες οι οποίες να αφορούν σε τεχνικές ανάλυσης δεδοµένων που να διαχειριστούν αποτελεσµατικά την αβεβαιότητα. Οι παραδοσιακές προσεγγίσεις παράγουν αποφάσεις βασισµένες σε κατηγοριοποιήσεις που δεν λαµβάνουν υπόψη τους την αβεβαιότητα. Αυτό σηµαίνει ότι οι κατηγορίες δεν είναι επικαλυπτόµενες και τα δεδοµένα θεωρούνται ότι ανήκουν µε τον ίδιο βαθµό σε µία και µόνο κατηγορία. Είναι φανερό λοιπόν ότι δεν υπάρχει η έννοια αναπαράστασης της αβεβαιότητας στις προτεινόµενες µεθόδους, παρότι η χρήση και ανακάλυψη της αβεβαιότητας αναγνωρίζεται στην εξόρυξη γνώσης. Για το λόγο αυτό, το ενδιαφέρον της ερευνητικής κοινότητας έχει επικεντρωθεί στην µελέτη νέων προσεγγίσεων εξόρυξης γνώσης οι οποίες να διαχειρίζονται την αβεβαιότητα που εµπεριέχεται στα δεδοµένα. Παράλληλα µε την αναπαράσταση της αβεβαιότητας που περιέχεται στα υπό ανάλυση δεδοµένα, το θέµα της εκµετάλλευσης της αβεβαιότητας στην διαδικασία αξιολόγησης των αποτελεσµάτων και λήψης αποφάσεων είναι ιδιαίτερα σηµαντική. Τα παραπάνω αποτέλεσαν το βασικό κίνητρο για µελέτη στη παρούσα διατριβής. Μελετήθηκαν θέµατα που αφορούσαν στην αξιολόγηση των αποτελεσµάτων της συσταδοποίησης (clustering) καθώς και τεχνικές αναπαράστασης και διαχείρισης της αβεβαιότητας στα πλαίσια εκτίµησης ποιότητας των αποτελεσµάτων εξόρυξης γνώσης. Ειδικότερα η µελέτη στα πλαίσια της διατριβής αυτής οδήγησε στη σχεδίαση ενός µοντέλου για αποδοτική και αποτελεσµατική διαχείριση της ποιότητας και αβεβαιότητας στα πλαίσια της συσταδοποίησης και κατηγοριοποίησης.