টেম্পোরাল ডেটা মাইনিং টেম্পোরাল ডেটার বৃহৎ সেট থেকে অ-তুচ্ছ, অন্তর্নিহিত, এবং সম্ভাব্য প্রয়োজনীয় ডেটা নিষ্কাশনের প্রক্রিয়াকে সংজ্ঞায়িত করে। টেম্পোরাল ডেটা হল প্রাথমিক ডেটা টাইপের একটি সিরিজ, সাধারণত সংখ্যাসূচক মান, এবং এটি সাময়িক ডেটা থেকে উপকারী জ্ঞান সংগ্রহের সাথে কাজ করে।
টেম্পোরাল ডাটা মাইনিং এর উদ্দেশ্য হল উচ্চতর ক্রমিক ডেটাতে টেম্পোরাল প্যাটার্ন, অপ্রত্যাশিত প্রবণতা বা বেশ কিছু লুকানো সম্পর্ক খুঁজে বের করা, যা বর্ণমালা থেকে নামমাত্র চিহ্নগুলির একটি ক্রম দ্বারা গঠিত যা একটি অস্থায়ী ক্রম হিসাবে উল্লেখ করা হয় এবং ক্রমাগত বাস্তব-এর একটি ক্রম। মেশিন লার্নিং, পরিসংখ্যান এবং ডাটাবেস প্রযুক্তির পদ্ধতির একটি সেট ব্যবহার করে মূল্যবান উপাদানগুলিকে টাইম সিরিজ বলা হয়।
টেম্পোরাল ডাটা মাইনিং তিনটি প্রধান কাজের সমন্বয়ে গঠিত যেমন টেম্পোরাল ডেটার বর্ণনা, সাদৃশ্য পরিমাপের উপস্থাপনা এবং খনির পরিষেবা।
টেম্পোরাল ডেটা মাইনিং প্রক্রিয়াকরণের সময় সিরিজ অন্তর্ভুক্ত করে, সাধারণত ডেটার ক্রম, যা একাধিক সময় পয়েন্টের ক্রমানুসারে একই বৈশিষ্ট্যের মান গণনা করে। এই ধরনের তথ্য ব্যবহার করে প্যাটার্ন মেলানো, যেখানে এটি আগ্রহের নির্দিষ্ট প্যাটার্ন অনুসন্ধান করছে, বর্তমান বছরগুলিতে যথেষ্ট আগ্রহ আকর্ষণ করেছে৷
টেম্পোরাল ডেটা মাইনিং-এর মধ্যে ডেটা সঞ্চয়স্থান, দ্রুত প্রক্রিয়াকরণ এবং দ্রুত পুনরুদ্ধারের পদ্ধতির কার্যকারিতা ব্যবহার করা যেতে পারে যা অস্থায়ী ডেটাবেসের জন্য উন্নত করা হয়েছে।
টেম্পোরাল ডাটা মাইনিং হল টেম্পোরাল ডাটাবেসে জ্ঞান আবিষ্কারের প্রক্রিয়ার একটি স্বতন্ত্র পর্যায় যা টেম্পোরাল প্যাটার্নগুলি থেকে বা ফিট মডেলগুলিও গণনা করে, টেম্পোরাল ডেটা হল একটি টেম্পোরাল ডেটা মাইনিং অ্যালগরিদম৷
টেম্পোরাল ডাটা মাইনিং টেম্পোরাল ডাটা বিশ্লেষণের সাথে এবং টেম্পোরাল তথ্যের সেটে টেম্পোরাল প্যাটার্ন এবং সামঞ্জস্যতা আবিষ্কারের সাথে সম্পর্কিত। এটি কম্পিউটার-চালিত, ডেটার স্বয়ংক্রিয় অনুসন্ধানের সম্ভাবনাকেও অনুমতি দেয়। টেম্পোরাল মাইনিং-এ বিভিন্ন কাজ রয়েছে যা নিম্নরূপ -
- ডেটা চরিত্রায়ন এবং তুলনা
- ক্লাস্টারিং বিশ্লেষণ
- শ্রেণীবিন্যাস
- অ্যাসোসিয়েশন নিয়ম
- প্যাটার্ন বিশ্লেষণ
- ভবিষ্যদ্বাণী এবং প্রবণতা বিশ্লেষণ
টেম্পোরাল ডাটা মাইনিং একটি টেম্পোরাল ডাটাবেসের সাথে ইন্টারঅ্যাক্ট করার একটি নতুন উপায়ের দিকে পরিচালিত করেছে এবং টেম্পোরাল স্ট্রাকচার্ড ক্যোয়ারী ল্যাঙ্গুয়েজ অনুমতি দেয় তার চেয়ে অনেক বেশি বিমূর্ত স্তরে প্রশ্নগুলি নির্দিষ্ট করে৷ এটি একাধিক এবং বহুমাত্রিকতার কারণে হওয়া সমস্যাগুলির জন্য ডেটা অনুসন্ধানের সুবিধাও দেয়৷
অস্থায়ী শ্রেণীবিভাগের মূল লক্ষ্য হল অন্যান্য ক্ষেত্রের উপর ভিত্তি করে একটি অস্থায়ী ডাটাবেসে সাময়িকভাবে সম্পর্কিত ক্ষেত্রগুলির পূর্বাভাস দেওয়া। সমস্যাটি, সাধারণভাবে, বিভিন্ন ক্ষেত্রের ভবিষ্যদ্বাণী করা টেম্পোরাল ভেরিয়েবলের সাধারণ মান নির্ধারণ করে, প্রশিক্ষণের ডেটা যেখানে প্রতিটি পর্যবেক্ষণের জন্য লক্ষ্য ভেরিয়েবল দেওয়া হয় এবং অনুমানের একটি সেট যা একজনের সমস্যা সম্পর্কে পূর্বের জ্ঞানের প্রতিনিধিত্ব করে। . অস্থায়ী শ্রেণীবিভাগের কৌশলগুলি ঘনত্ব অনুমানের জটিল সমস্যার সাথে যুক্ত।
