漸進式探勘與多維度即時探勘之研究

Abstract

近年來，利用資料探勘技術從大型資料庫和資料倉儲中發掘出隱含且有用的知識變得愈來愈重要。然而，大部分傳統的資料探勘方法都是採用批次處理的方式，當面對資料庫中資料新增時，就必須耗時地對整個資料庫重新進行處理，以更新之前所獲得的知識；此外，這些方法通常對資料一視同仁地處理，鮮少考慮資料所生成之相關背景資訊，乃至所獲取的知識無法滿足使用者特定的需求、提供線上決策支援。因此在本篇論文中，我們將發展一些新穎的漸進式演算法，分別對關聯法則、循序樣式和文件分類器進行知識更新，減少每當資料新增時，必須對整個資料庫重新進行處理的龐大成本；此外，為了讓資料探勘能夠即時地提供線上決策支援，我們進而將漸進式演算法加以延伸，並將資料所生成之相關背景資訊納入考量，利用所發展之結構化儲存體，系統化地儲存之前所獲得的知識和其相關的背景資訊，以滿足使用者特定的知識查詢和多維度即時探勘的需求；最後，我們企圖將所發展的漸進式探勘與多維度即時探勘的技術應用到半導體製程，幫助偵測並發掘出造成良率偏低的瑕疵機器。