ডেটা মাইনিং হল প্যাটার্ন রিকগনিশন প্রযুক্তির পাশাপাশি পরিসংখ্যানগত এবং গাণিতিক কৌশলগুলি ব্যবহার করে রিপোজিটরিতে সঞ্চিত বিপুল পরিমাণ ডেটার মাধ্যমে অর্থপূর্ণ নতুন পারস্পরিক সম্পর্ক, নিদর্শন এবং প্রবণতা আবিষ্কার করার প্রক্রিয়া।
এটি হল পর্যবেক্ষণমূলক ডেটাসেটগুলির বিশ্লেষণ যা সন্দেহাতীত সম্পর্কগুলি আবিষ্কার করতে এবং অভিনব কৌশলগুলিতে রেকর্ডগুলিকে সংক্ষিপ্ত করে যা ডেটা মালিকের পক্ষে বোধগম্য এবং উপকারী। ডেটা মাইনিংয়ের বিভিন্ন অ্যাপ্লিকেশন রয়েছে যা নিম্নরূপ -
ডেটা গুদাম এবং ডেটা প্রিপ্রসেসিং - তথ্য আদান-প্রদান এবং ডেটা মাইনিংয়ের জন্য ডেটা গুদামগুলি অপরিহার্য৷ ভূ-স্থানিক ডেটার ক্ষেত্রে, কিন্তু, কোনো সত্যিকারের ভূ-স্থানিক ডেটা গুদাম এখন বিদ্যমান নেই৷
এটি এমন একটি গুদাম তৈরি করতে পারে যার জন্য ভৌগলিক এবং অস্থায়ী ডেটার অসঙ্গতিগুলি সমাধান করার উপায় খুঁজে বের করা প্রয়োজন, যেমন শব্দার্থবিদ্যা, রেফারেন্সিং সিস্টেম, জ্যামিতি, নির্ভুলতা এবং নির্ভুলতা।
সাধারণভাবে গাণিতিক সফ্টওয়্যারের জন্য, ভিন্নধর্মী উত্স থেকে তথ্য একত্রিত করার জন্য (বিভিন্ন সময়কাল কভার করা ডেটা সহ) এবং ক্রিয়াকলাপ সনাক্তকরণের জন্য পদ্ধতিগুলি প্রয়োজন। জলবায়ু এবং ইকোসিস্টেম ডেটার জন্য, উদাহরণস্বরূপ (যা স্থানিক এবং অস্থায়ী), সমস্যাটি হল যে স্থানিক ডোমেনে অনেকগুলি ঘটনা রয়েছে এবং অস্থায়ী ডোমেনে খুব কম৷
মাইনিং জটিল ডেটা প্রকার − বৈজ্ঞানিক ডেটা সেটগুলি ভিন্ন প্রকৃতির হয়, সাধারণত মাল্টিমিডিয়া ডেটা এবং জিও-রেফারেন্সযুক্ত স্ট্রিম ডেটা সহ আধা-গঠিত এবং অসংগঠিত ডেটা থাকে। স্প্যাটিওটেম্পোরাল ডেটা, সম্পর্কিত ধারণা শ্রেণিবিন্যাস এবং জটিল ভৌগলিক সম্পর্ক (যেমন, অ-ইউক্লিডিয়ান দূরত্ব) পরিচালনার জন্য শক্তিশালী পদ্ধতির প্রয়োজন।
গ্রাফ-ভিত্তিক মাইনিং - বিদ্যমান মডেলিং পদ্ধতির সীমাবদ্ধতার কারণে অনেকগুলি শারীরিক ঘটনা এবং প্রক্রিয়াগুলিকে মডেল করা প্রায়শই কঠিন বা অসম্ভব। বিকল্পভাবে, লেবেলযুক্ত গ্রাফগুলি সংখ্যাসূচক ডেটা সেটগুলিতে উপস্থিত কিছু স্থানিক, টপোলজিক্যাল, জ্যামিতিক এবং অন্যান্য সম্পর্কগত বৈশিষ্ট্যগুলিকে জয় করতে ব্যবহার করা যেতে পারে৷
গ্রাফ মডেলিং-এ, খনন করা প্রতিটি ডেটা গ্রাফে একটি শীর্ষবিন্দু দ্বারা বর্ণনা করা হয়, এবং শীর্ষবিন্দুগুলির মধ্যে প্রান্তগুলি বস্তুর মধ্যে সম্পর্ক বর্ণনা করে। উদাহরণস্বরূপ, গ্রাফগুলি রাসায়নিক কাঠামোর মডেল এবং সাংখ্যিক সিমুলেশন দ্বারা উত্পন্ন ডেটা যেমন তরল-প্রবাহ সিমুলেশনের জন্য ব্যবহার করা যেতে পারে৷
তবে, গ্রাফ মডেলিংয়ের সাফল্য নির্ভর করে অনেক ক্লাসিক্যাল ডেটা মাইনিং কাজের মাপযোগ্যতা এবং দক্ষতার উন্নতির উপর, যেমন শ্রেণিবিন্যাস, ঘন ঘন প্যাটার্ন মাইনিং এবং ক্লাস্টারিং৷
ভিজ্যুয়ালাইজেশন টুল এবং ডোমেন-নির্দিষ্ট জ্ঞান − সংখ্যাসূচক ডেটা মাইনিং সিস্টেমের জন্য উচ্চ-স্তরের গ্রাফিকাল ইউজার ইন্টারফেস এবং ভিজ্যুয়ালাইজেশন টুলের প্রয়োজন। এগুলিকে অবশ্যই বিদ্যমান ডোমেন-নির্দিষ্ট ডেটা সিস্টেম এবং ডাটাবেস সিস্টেমের সাথে একীভূত হতে হবে যাতে গবেষক এবং সাধারণ ব্যবহারকারীদের ডিজাইনের সন্ধানে, আবিষ্কৃত ডিজাইনগুলিকে ব্যাখ্যা করতে এবং ভিজ্যুয়ালাইজ করতে এবং তাদের সিদ্ধান্ত নেওয়ার ক্ষেত্রে আবিষ্কৃত জ্ঞানকে কাজে লাগাতে গাইড করতে পারেন৷
