6、交互式关系数据库模式挖掘：ConQueSt系统揭秘

交互式关系数据库模式挖掘：ConQueSt系统揭秘

在数据挖掘领域，从海量数据中提取有用且有趣的知识是一项关键任务。ConQueSt作为一款基于约束的查询系统，旨在支持模式发现的探索性本质，通过强大的查询语言和高效的挖掘引擎，帮助用户更有效地发现潜在的有趣模式。

1. 引言

从归纳数据库的视角来看，从数据中提取知识是一个探索性的查询过程，具有人为引导、迭代和交互的特点。分析师借助表达性强的查询语言，通过一系列复杂的挖掘查询来驱动发现过程，提取满足用户定义约束的模式，细化查询，将提取的模式存储在数据库中，组合模式以生成更复杂的知识，并对数据和模式进行交叉分析。

一个理想的归纳数据库系统应具备以下特点：
- 与DBMS耦合 ：分析师能够检索感兴趣的数据部分，并将提取的模式存储在DBMS中以便进一步查询或挖掘。
- 查询语言的表达性 ：分析师可以声明性地指定所需模式的特征和条件，而无需担心计算引擎的细节。系统应负责组合约束并生成高效的挖掘策略。
- 挖掘引擎的效率 ：保持查询响应时间尽可能短，以实现频繁的用户反馈。挖掘引擎应利用约束的数据和搜索空间缩减特性，并采用增量挖掘技术。
- 图形用户界面 ：系统不仅要向用户提供频繁的反馈，还要提供模式可视化和导航工具，帮助用户识别有趣的知识片段，并将模式浏览与迭代查询紧密集成。

基于这些需求，ConQueSt应运而生。它是一个探索性模式发现系统，配备了简单而强大的查询语言（spql）和用户友好的界面，用于访问底层DBMS。在设计过程中，