Mantenimiento incremental de reglas de asociación y sus extensiones mediante bases de datos activas

Abstract

El desarrollo sin precedentes en las tecnologías de la información ha provocado que el volumen de datos existente en los repositorios de todo el mundo haya alcanzado niveles extraordinarios y un ritmo de crecimiento vertiginoso. Esto supone una fuente de riqueza que es necesario comprender y convertir en información valiosa. En este sentido, juega un importante rol la extracción de conocimiento en bases de datos donde la minería de reglas de asociación es uno de los métodos para abordar el proceso no trivial de identificación de patrones en los datos.

A partir de las reglas de asociación se pueden identificar otras representaciones del conocimiento que son semánticamente significativas para el usuario. Una de ellas es la imprecisión o incertidumbre que puede acompañar a la información mediante el diseño de las reglas de asociación difusas. Otra son las dependencias aproximadas, las cuales pueden ser vistas como excepciones a reglas que se cuantifican mediante las reglas de asociación.

Independientemente del tipo de conocimiento extraído, su valor es relativo al momento en que se ejecutó el algoritmo. Sin embargo, los datos por naturaleza se encuentran en constante cambio. Este hecho invariablemente conduce a la modificación del conocimiento previamente extraído, convirtiéndolo de esta forma en inexacto y eventualmente, obsoleto.

La presente investigación se centra en desarrollar nuevos métodos para mantener incrementalmente, ante los cambios ocurridos en los datos, las reglas de asociación, reglas de asociación difusas y dependencias aproximadas previamente extraídas. En este sentido se tuvieron en cuenta los recursos activos ofrecidos por las bases de datos.