XI Международная студенческая научная конференция Студенческий научный форум - 2019

Введение. Интеллектуальная база данных (ИБД)– это эффективный способ хранения, поиска и извлечения большего числа фактов, чем те, которые были изначально загружены в базу.^[1]

Интеллектуальная добыча и анализ данных (ИАД) – процесс обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.^[2]

Информационные технологии приобретают все большее значение в жизни человечества. Важнейшую их часть составляют базы данных. Наличие современных источников информации, способность сохранять и обрабатывать большие массивы данных являются сегодня ключевыми факторами выживания в основанном на конкуренции деловом мире наших дней.

Системы баз данных реализованы средствами вычислительной техники программно-информационные системы, в которых хранятся немалые объемы фактов, имеющих отношение не посредственно к некой области познаний. Кроме того они хранятся в форме, удобной для их применения при ответах на вопросы, затрагивающие данные из этой предметной области.

Современные базы данных считаются основой множественных информационных систем. Информация, хранимая в них, считается очень полезным материалом. Идея ИАД, то есть извлечения информации из очень больших массивов данных, накопленных совершенно для иных целей, вызывает в настоящее время повышенный интерес.

Рисунок 1. Основные проблемы ИБД.

Актуальным направлением в развитии баз данных считается взаимодействие технологии экспертных систем и баз данных, а еще также развитие такого вида баз данных как дедуктивные базы данных. Данные базы опираются на обнаружении новых знаний из базы данных не с помощью запросов или же аналитической обработки, а с помощью применения правил вывода и конструирование цепочек внедрения этих правил для вывода ответов на запросы. Для таких баз данных можно использовать языки запросов, отличные от традиционного SQL.

В экспертной системе помимо прочего знания экспертов хранятся в форме правил, наиболее часто применяются продукционные правила: «если описание ситуации, то описание действия». Хранение аналогичных правил и составление организации вывода на основании тех фактов, которые есть в СУБД.

Проблемы сочетания экспертной системы с базами данных считается крупнейшей задачей в том числе и для больших компаний. Почти все продавцы ПО, осознавая значимость таковой интеграции, развивают собственную программную продукцию для ее поддержки. Случаем такового продукта считается реляционная СУБД фирмы Oracle, которая соединяет работоспособность экспертной системы с базой данных и предполагает в форме оптимизатора запросов, которые отбирает более эффективные пути следования запросов баз данных.^[4]

Программные инструменты могут включать для добычи новых данных интеллектуальные системы, которые имеют поддержку интеллектуального поиска. ИАД позволяет нам заглянуть в информацию, хранимую в хранилищах данных, если запросы и отчеты скрыты.

Инструменты ИАД ищут и находят различные образцы в данных и делают из них правила. Эти правила находят свое применение в управлении при принятии решений, а также в прогнозировании решений данных результатов. ИАД имеет возможность ускорить анализ методом концентрации внимания на более весомых данных.

Р исунок 2. Основные типы программных инструментариев, используемые в ИАД.

Методы ИБД получили дальнейшее расширение при разработке автоматизированных консультирующих систем. Эти экспертные системы готовы дать профессиональный ответ пользователю на точный вопрос. Первые экспертные системы были предназначены для внедрения, к примеру, в медицине (диагностика болезней). Беседа с больным при помощи вычислительной машины, в процессе которой экспертную систему применяется, как для выборочного опроса пациента, но и для анализа приобретенных данных, получила обширное использование.^[5]

Есть экспериментальные системы, которые даже могут подбирать из базы данных, такие графические образы на основе таковых нечетких черт, как например: цвет, форма, текстура. Системы данного вида потенциально готовы по нечеткому описанию содержимого создавать выборки в графических образах, аудио- и видеоинформации. Аналогично системам, которые позволяют подбирать текстовые или же числовые данные по значению некоторого поля.

Довольно часто методы ИАД используются в бизнес-приложениях специалистами и руководителями фирм. Для данных категорий пользователей ведут разработку инструментальных средств высокого уровня, позволяющие им решать довольно трудоемкие задачи в отсутствии предварительной определенной математической подготовки. Актуальное применение ИАД в бизнесе связана с конкурентной борьбой, появившейся вследствие перехода от «рынка продавца» к «рынку покупателя». В данных критериях существенно качество и также обоснованность принимаемых решений, что настоятельно предполагает жесткого количественного анализа имеющихся данных. Также работа с немалыми размерами аккумулируемой информации нужно будет многократно своевременно отслеживать динамику рынка, и это маловероятно в отсутствии механизации аналитической деятельности.

В бизнес-приложениях довольно большой интерес представляет объединение методов ИАД и технологии оперативной аналитической обработки данных (OLAP). OLAP использует многомерное представление агрегированных данных для немедленного доступа к актуальной информации и последующего ее анализа.

Системы OLAP гарантируют специалистам и руководителям довольно быстрый поочередный интерактивный процесс доступа для возможных изменений во внутренней структуре данных и вероятность переустройства начальных данных. Также OLAP-системы позволяют просматривать в них определенные данные и находить определенный ряд закономерностей простейшими методами(в том числе линейная регрессия) и подключение нейросетевых методов, что обеспечивает значительное расширение аналитических возможностей.^[6]

Заключение. Таким образом, ИБД является перспективным направлением развития технологий БД и ИИ для облегчения жизни человечества.

список используемых источников

1. Васютин С., Гареев А., Райх В., Корнеев В. Базы данных. Интеллектуальная обработка информации // Нолидж. ISBN 5-89251-089-1. 2000. 352с.

2. Леженко А. ИАД, поддержка принятия решений и многопараметрическое прогнозирование. // Palmarium Academic Publishing. ISBN 9783659988400. 2013. 60с.

3. Назаренко Г., Осипов Г. Основы теории медицинских технологических процессов. Часть 2. Исследование медицинских технологических процессов на основе интеллектуального анализа данных // ФИЗМАТЛИТ. ISBN 5-9221-0677-5. 2006. 144с.

4. Рафалович В. Data Mining, или Интеллектуальный анализ данных для занятых. Практический курс // SmartBook. ISBN 978-5-9791-0311-2. 2014. 96с.

5. Федоров А., Елманова Н. Введение в OLAP-технологии Microsoft // Диалог-МИФИ. ISBN 5-86404-175-0. 2002. 199с.

6. Хараламбос М., Бабенко Д. Алгоритмы интеллектуального Интернета. Передовые методики сбора, анализа и обработки данных. // Символ-Плюс. ISBN 978-5-93286-186-8. 2011. 480с.

7. Jones A., Stephens R.K., Plew R.R., Garrett R.F., Kriegel A. SQL Functions Programmer's Reference // Wiley Publishing ISBN. 978-0-7645-6901-2. 2005. 795с.