ডেটা মাইনিং মেথডোলজির সাথে সম্পর্কিত বিভিন্ন ইউজার ইন্টারঅ্যাকশন ইস্যু রয়েছে যেগুলো নিচে দেওয়া হলো:
ডেটাবেসে বিভিন্ন ধরনের নলেজ মাইনিং (Mining different kinds of knowledge in databases) − ভিন্ন ইউজার ভিন্ন ধরনের নলেজে আগ্রহী হতে পারে। তাই, ডেটা মাইনিং একটি বypte স펙ট্রাম অফ ডেটা অ্যানালিসিস এবং নলেজ ডিসকভারি টাস্ক কভার করতে হবে, যার মধ্যে ডেটা ক্যারাক্টারাইজেশন, ডিসক্রিমিনেশন, অ্যাসোসিয়েশন, ক্লাসিফিকেশন, ক্লাস্টারিং, ট্রেন্ড এবং ডেভিয়েশন অ্যানালিসিস, এবং সিমিলারিটি অ্যানালিসিস।
একাধিক অ্যাবস্ট্রাকশন লেভেলে ইন্টারঅ্যাক্টিভ নলেজ মাইনিং (Interactive mining of knowledge at multiple levels of abstraction) − কারণ ডেটাবেসের ভিতরে কী এক্স্যাক্টলি পাওয়া যাবে সেটি জানা কঠিন, ডেটা মাইনিং প্রসেস ইন্টারঅ্যাক্টিভ হতে হবে। ইন্টারঅ্যাক্টিভ মাইনিং ইউজারকে প্যাটার্ন সার্চে টার্গেট করতে, রিটার্নড রেজাল্ট বেসড ডেটা মাইনিং রিকোয়েস্ট সাপোর্ট ও রিফাইন করতে সক্ষম করে। এটি ইউজারকে ইনফরমেশন ভিউ করতে এবং একাধিক গ্র্যানুলারিটি এবং একাধিক কোণ থেকে প্যাটার্ন আবিষ্কার করতে সাহায্য করবে।
ব্যাকগ্রাউন্ড নলেজ ইনকর্পোরেশন (Incorporation of background knowledge) − ডেটাবেসের সাথে জড়িত ডোমেন নলেজ, ইন্টিগ্রিটি কনস্ট্রেইন্ট এবং ডেডাকশন রুলস অন্তর্ভুক্ত, ডেটা মাইনিং প্রসেস টার্গেট ও স্পিড আপ করতে সাহায্য করতে পারে, বা আবিষ্কৃত প্যাটার্নের ইন্টারেস্টিংনেস জাজ করতে পারে।
ডেটা মাইনিং কোয়েরি ল্যাঙ্গুয়েজ এবং অ্যাড-হক ডেটা মাইনিং (Data mining query languages and ad-hoc data mining) − একটি হাই-লেভেল ডেটা মাইনিং কোয়েরি ল্যাঙ্গুয়েজ ডেভেলপ করা দরকার যা একটি ডেটাবেস বা ডেটা ওয়ারহাউস কোয়েরি ল্যাঙ্গুয়েজের সাথে ইন্টিগ্রেট করা যেতে পারে যাতে ইউজার অ্যাড-হক ডেটা মাইনিং টাস্ক ডিফাইন করতে পারে রিলেভেন্ট সেট অফ ডেটা ফর অ্যানালিসিস, ডোমেন নলেজ, মাইন করা নলেজের টাইপ, এবং কন্ডিশন ও ইন্টারেস্টিংনেস কনস্ট্রেইন্ট স্পেসিফাই করে যেগুলো আবিষ্কৃত প্যাটার্নের ওপর এনফোর্স করা হবে।
ডেটা মাইনিং ফলাফলের প্রেজেন্টেশন এবং ভিজ্যুয়ালাইজেশন (Presentation and visualization of data mining results) − আবিষ্কৃত নলেজ হাই-লেভেল ল্যাঙ্গুয়েজ, ভিজ্যুয়াল ডেফিনিশন, বা অন্যান্য এক্সপ্রেসিভ ফর্মে ডিফাইন করা উচিত যাতে নলেজ সহজে শেখা এবং সরাসরি হিউম্যান দ্বারা ব্যবহারযোগ্য হয়।
আউটলায়ার বা অনপূর্ণ ডেটা হ্যান্ডলিং (Handling outlier or incomplete data) − একটি ডেটাবেসে সংরক্ষিত ডেটা আউটলায়ার'স নয়েজ, এক্সসেপশনাল কেস, বা অনপূর্ণ ডেটা অবজেক্ট রিফলেক্ট করতে পারে যা আবিষ্কৃত প্যাটার্নের অ্যাকুরেসিকে খারাপ করতে পারে। আউটলায়ার হ্যান্ডেল করতে ডেটা ক্লিনিং মেথড এবং ডেটা অ্যানালিসিস মেথড দরকার।
প্যাটার্ন ইভ্যালুয়েশন (Pattern evaluation) − একটি ডেটা মাইনিং সিস্টেম শতাধিক প্যাটার্ন আবিষ্কার করতে পারে। আবিষ্কৃত কিছু প্যাটার্ন দিয়ে ইউজারের জন্য আনইন্টারেস্টিং হতে পারে, কমন নলেজ ডিফাইন করে বা নবীনতা অভাব। ইন্টারেস্টিংনেস পার্ট ব্যবহার করে ডিসকভারি প্রসেস গাইড করা এবং সার্চ স্পেস কমাতে এক্টিভ রিসার্চ এরিয়া।
প্যারালেল, ডিস্ট্রিবিউটেড, এবং ইনক্রিমেন্টাল আপডেটিং অ্যালগরিদম (Parallel, distributed, and incremental updating algorithms) − অনেক ডেটাবেসের বড় আকার, ডেটার ব্যাপক ডিস্ট্রিবিউশন, এবং কিছু ডেটা মাইনিং মেথডের কম্পিউটেশনাল কমপ্লেক্সিটি প্যারালেল এবং ডিস্ট্রিবিউটেড ডেটা মাইনিং অ্যালগরिदমের অগ্রগতিকে উদ্দীপিত করে।
