SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Exploring Data Mining: Techniques, Privacy, and Web Applications

magda avatar
magda
12 diapositives · 238 Views · Oct 06, 2014

Delve into data mining concepts, privacy-preserving models, web mining challenges, and actionable patterns for insightful analysis. Discover the evolving field's potential applications, inhibitors, and intriguing research quandaries. Unfold the realm of simultaneous mining and novel algorithm parameters in this dynamic industry where every effort adds value.

Exploring Data Mining: Techniques, Privacy, and Web Applications - slide 1
01 / 12Exploring Data Mining: Techniques, Privacy, and Web Applications
1 / 17

Télécharger la présentation

Exploring Data Mining: Techniques, Privacy, and Web Applications
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Some Interesting Problems Rakesh Agrawal IBM Almaden Research Center

  2. Foundations • What is data mining • A collection of techniques? • A set of composable operations (a la Relational Algebra)? • Hints: • Inductive Databases (Mannila) • Relational Calculus + Statistical Quantifiers (Imielinski)

  3. Privacy Implications • Can we build accurate data models while preserving privacy of individual records? • Hints • Randomization (Agrawal & Srikant): Replace x by x+y where y is drawn from a known distribution • Anonymization (Crypto literature)

  4. Web Mining: Beyond Click Streams • Mining knowledge bases from the web • Completeness • Accuracy • Malicious Spam • Hints: • Brin’s Book experiment • etc. etc.

  5. Web Mining: Beyond hrefs • What other social behaviors exist on the web and how to make use of them? • Hints: • Viral marketing paper in this conf • etc. etc.

  6. Actionable Patterns • Principled use of domain knowledge for • discarding uninteresting patterns • performance • Hints: • Papers in the recent KDD conferences

  7. Simultaneous mining over multiple data types • Not just • Relational tables • Time series • Textual documents • But patterns across all of them

  8. Some more problems • Online, incremental algorithms over data streams • When to retire the past data • Long sequential patterns • Discovering richer patterns (trees and dags) • Automatic, data-dependent selection of algorithm parameters

  9. What not to work on? • The field is too young! • Let every flower bloom!!! • Too early to say we don’t need new algorithms • Impressive results of the PVSM algorithm • Emphasize evaluation and benchmarks • Interesting research issues

  10. Applications most likely to benefit from data mining • Web applications (I think) • Bioinformatics (I hope!)

  11. Inhibitors • Insufficient skill base (Education) • Usability

  12. The true delight is in the finding out, rather than in the knowing. Isaac Asimov