50、多关系数据挖掘：方法与应用

多关系数据挖掘：方法与应用

1. 多关系数据挖掘概述

关系数据库是结构化数据最常用的存储库，其中多个关系通过实体 - 关系链接相互关联。然而，许多传统分类方法（如神经网络和支持向量机）只能处理单表形式的数据，而现实中的许多应用（如信用卡欺诈检测、贷款申请和生物数据分析）需要基于关系数据库中多个关系的信息进行决策，因此多关系数据挖掘变得至关重要。

多关系数据挖掘（MRDM）旨在从关系数据库的多个表（关系）中寻找模式。它有多种任务，包括多关系分类、聚类和频繁模式挖掘。

• 多关系分类 ：构建利用不同关系信息的分类模型。
• 多关系聚类 ：根据元组自身属性以及不同关系中相关元组的信息将元组分组。
• 多关系频繁模式挖掘 ：寻找不同关系中相互关联项的模式。

在多关系分类数据库中，有一个目标关系 $R_t$，其元组称为目标元组并关联有类标签，其他关系为非目标关系。每个关系可能有一个主键和多个外键，主键用于唯一标识关系中的元组，外键用于与其他关系建立链接。构建准确的多关系分类器的关键是在不同关系中找到有助于区分正、负目标元组的相关特征。

例如，在一个金融数据库中，目标关系为 Loan ，每个目标元组表示贷款是否按时偿还。多关系分类的任务就是利用不同关系的信息构建一个假设，以区分正、负目标元组。

分类时，通常会寻找有助于区分正、负目标元组的假设，最常见的形式是规则集。每个规则是一系列谓词的逻辑合取，并关联一个类标签。谓词是对关系中