ডেটা জেনারেলাইজেশন এবং অ্যানালিটিক্যাল জেনারেলাইজেশনের উদাহরণ
ডেটা জেনারেলাইজেশন ডেটা সারসংক্ষেপ করে আপেক্ষিকভাবে নিম্ন-স্তরের মানগুলো (যেমন age অ্যাট্রিবিউটের জন্য নম্বরিক মান) উচ্চ-স্তরের কনসেপ্ট দিয়ে প্রতিস্থাপন করে (যেমন young, middle-aged, এবং senior)। তাই এটি একটি প্রক্রিয়া যা একটি ডেটাবেস থেকে টাস্ক-রিলেভেন্ট তথ্যের বিশাল সেটকে আপেক্ষিকভাবে নিম্ন কনসেপচুয়াল লেভেল থেকে উচ্চ কনসেপচুয়াল লেভেলে অ্যাবস্ট্রাক্ট করে।
বড় ডেটা সেটের দক্ষ ও নমনীয় জেনারেলাইজেশনের জন্য দুটি পদ্ধতি:
OLAP পদ্ধতি (OLAP approach)
ডেটা কিউব টেকনোলজিকে একটি ডেটা ওয়্যারহাউস-ভিত্তিক, প্রি-কম্পিউটেশন-ওরিয়েন্টেড, ম্যাটيريয়ালাইজড ভিউ পদ্ধতি হিসেবে বিবেচনা করা যায়। এটি একটি OLAP বা ডেটা মাইনিং কোয়ারি প্রসেসিং-এ যাওয়ার আগে অফলাইন অ্যাগ্রিগেশন বাস্তবায়ন করে।
অ্যাট্রিবিউট-ওরিয়েন্টেড ইন্ডাকশন পদ্ধতি (Attribute-oriented induction approach)
এটি একটি রিলেশনাল ডেটাবেস কোয়ারি-ওরিয়েন্টেড, জেনারেলাইজেশন-ভিত্তিক, অনলাইন ডেটা অ্যানালাইসিস পদ্ধতি। অ্যাট্রিবিউট-ওরিয়েন্টেড ইন্ডাকশনে, প্রথমে, টাস্ক-রিলেভেন্ট ইনফরমেশন সংগ্রহ করা হয় একটি রিলেশনাল ডেটাবেস কোয়ারি ব্যবহার করে এবং তারপর জেনারেলাইজেশন বাস্তবায়ন করা হয় প্রাসঙ্গিক ডেটা সংগ্রহে প্রতিটি অ্যাট্রিবিউটের স্বতন্ত্র মানগুলির পরীক্ষার ওপর ভিত্তি করে।
জেনারেলাইজেশন অ্যাট্রিবিউট রিমูভালによって বাস্তবায়ন করা হয়। একই জেনারেলাইজড টাপল একত্রিত করে এবং তাদের নিজস্ব কাউন্ট যোগ করে অ্যাগ্রিগেশন বাস্তবায়ন করা হয়, জেনারেলাইজড ডেটা সেটের আকার কমিয়ে এবং ব্যবহারকারীর সাথে ইন্টারঅ্যাক্টিভ প্রেজেন্টেশন।
অ্যাট্রিবিউট-ওরিয়েন্টেড ইন্ডাকশন পদ্ধতির মৌলিক নীতিমালা
- ডেটা ফোকাসিং (Data focusing): ডেটা টাস্ক-রিলেটেড হতে হবে, যেমন ডায়মেনশন এবং ফলাফল হল মূল রিলেশন।
- অ্যাট্রিবিউট-রিমুভাল (Attribute-removal): প্রাসঙ্গিক অ্যাট্রিবিউটের সেট বেছে নিন বা অ্যাট্রিবিউট A সরান যদি A-এর জন্য একটি বড় স্পেসিফিক ভ্যালু সেট থাকে কিন্তু A-র ওপর কোনো জেনারেলাইজেশন অপারেটর নেই, অথবা A-এর উচ্চ-স্তরের কনসেপ্ট অতিরিক্ত অ্যাট্রিবিউটের মাধ্যমে সংজ্ঞায়িত।
- অ্যাট্রিবিউট জেনারেলাইজেশন (Attribute generalization): যদি A-এর জন্য একটি বড় স্বতন্ত্র মান সেট থাকে, এবং A-র ওপর জেনারেলাইজেশন অপারেটরের একটি সেট বিদ্যমান থাকে, তবে একটি অপারেটর বেছে নিন এবং A জেনারেলাইজ করুন।
- অ্যানালিটিক্যাল ক্যারেক্টারাইজেশন (Analytical characterization): এটি ডেটা প্রিপ্রসেস করার একটি সাংখ্যিক পদ্ধতি যাতে অপ্রাসঙ্গিক অ্যাট্রিবিউট ফিল্টার আউট করা যায় বা প্রাসঙ্গিক অ্যাট্রিবিউট র্যাঙ্ক করা যায়। অ্যাট্রিবিউট রিলেভেন্স অ্যানালাইসিসের মাপগুলো কনসেপ্ট ডেসক্রিপশন প্রসিডিউর থেকে বাদ দেওয়া যেতে পারে এমন অপ্রাসঙ্গিক অ্যাট্রিবিউট বিশ্লেষণ করতে ব্যবহৃত হতে পারে। এই প্রিপ্রসেসিং ধাপকে ক্লাস ক্যারেক্টারাইজেশন বা তুলনায় অন্তর্ভুক্ত করাকে অ্যানালিটিক্যাল ক্যারেক্টারাইজেশন বলা হয়।
অ্যাট্রিবিউট রিলেভেন্স অ্যানালাইসিসের কারণ
অ্যাট্রিবিউট রিলেভেন্স অ্যানালাইসিসের বেশ কিছু কারণ রয়েছে:
কোন ডায়মেনশনগুলো অন্তর্ভুক্ত করা উচিত সেটি নির্ধারণ করতে পারে।
উচ্চ স্তরের জেনারেলাইজেশন অর্জন করতে পারে।
অ্যাট্রিবিউটের সংখ্যা কমানো যায় যা প্যাটার্ন সহজে বোঝাতে সাহায্য করে।
অ্যাট্রিবিউট রিলেভেন্স অ্যানালাইসিসের পেছনের মৌলিক ধারণা হল কিছু মাপ মূল্যায়ন করা যা একটি অ্যাট্রিবিউটের প্রাসঙ্গিকতা গণনা করতে পারে একটি দেওয়া ক্লাস বা পদ্ধতির সাপেক্ষে। такие মাপগুলোর মধ্যে রয়েছে ইনফরমেশন গেইন, অস্পষ্টতা, এবং কোরিলেশন কোইফিশিয়েন্ট।
