Extended AbstractUsually, data mini

Extended Abstract
Usually, data mining is considered as the nontrivial
extraction of implicit, previously unknown, and
potentially useful information from data. In our
data-driven data mining model, knowledge is
originally existed in data, but just not understandable
for human. Data mining is taken as a process of
transforming knowledge from data format into some
other human understandable format like rule, formula,
theorem, etc. In order to keep the knowledge
unchanged in a data mining process, the knowledge
properties should be kept unchanged during a
knowledge transformation process.
Many real world data mining tasks are highly
constraint-based and domain-oriented. Thus, domain
prior knowledge should also be a knowledge source
for data mining. The control of a user to a data mining
process could also be taken as a kind of dynamic input
of the data mining process. Thus, a data mining
process is not only mining knowledge from data, but
also from human. This is the key idea of Domainoriented
Data-driven Data Mining (3DM).
In the view of granular computing (GrC), a data
mining process can be considered as the
transformation of knowledge in different granularities.
Original data is a representation of knowledge in the
finest granularity. It is not understandable for human

ผลลัพธ์ (ไทย) 2:

ขยายบทคัดย่อ
โดยปกติแล้วการทำเหมืองข้อมูลถือเป็นขี้ปะติ๋ว
สกัดนัยที่ไม่รู้จักมาก่อนและ
อาจเป็นประโยชน์ข้อมูลจากข้อมูล ของเราใน
รูปแบบการทำเหมืองข้อมูลที่ขับเคลื่อนด้วยข้อมูลความรู้
ที่มีอยู่เดิมในข้อมูล แต่ก็ไม่เข้าใจ
มนุษย์ การทำเหมืองข้อมูลจะมาเป็นกระบวนการของ
การเปลี่ยนจากรูปแบบความรู้ข้อมูลลงในบาง
รูปแบบอื่น ๆ ที่เข้าใจมนุษย์เช่นกฎสูตร
ทฤษฎีบท ฯลฯ เพื่อที่จะให้ความรู้ที่
ไม่มีการเปลี่ยนแปลงในกระบวนการทำเหมืองข้อมูลความรู้
คุณสมบัติควรจะเก็บไว้ไม่เปลี่ยนแปลงในระหว่างการ
กระบวนการเปลี่ยนแปลงความรู้.
หลายโลกแห่งความจริงงานการทำเหมืองข้อมูลเป็นอย่างสูงที่
จำกัด ตามและโดเมนที่มุ่งเน้น ดังนั้นโดเมน
ความรู้ก่อนก็ควรจะเป็นแหล่งความรู้
สำหรับการทำเหมืองข้อมูล การควบคุมของผู้ใช้ในการทำเหมืองข้อมูล
กระบวนการยังสามารถนำมาเป็นชนิดของการป้อนข้อมูลแบบไดนามิก
ของกระบวนการทำเหมืองข้อมูล ดังนั้นการทำเหมืองข้อมูล
ขั้นตอนไม่ได้เป็นเพียงความรู้การทำเหมืองแร่จากข้อมูล แต่
ยังมาจากมนุษย์ นี่คือความคิดที่สำคัญของ Domainoriented
ข้อมูลที่ขับเคลื่อนด้วยการทำเหมืองข้อมูล (3DM).
ในมุมมองของการใช้คอมพิวเตอร์เม็ด (GRC) ซึ่งเป็นข้อมูล
ขั้นตอนการทำเหมืองแร่ที่ได้รับการพิจารณาเป็น
การเปลี่ยนแปลงของความรู้ในระดับรายละเอียดที่แตกต่างกัน.
ข้อมูลเดิมเป็นตัวแทนของความรู้ในการ
เมล็ดที่ดีที่สุด มันไม่ได้เป็นที่เข้าใจมนุษย์

ผลลัพธ์ (ไทย) 3:

บทคัดย่อแบบขยายโดยปกติ การทำเหมืองข้อมูลเป็นนอนทริเวียลการสกัดแยกและที่ไม่รู้จักก่อนหน้านี้ข้อมูลที่เป็นประโยชน์ที่อาจเกิดขึ้นจากข้อมูล ในของเราเหมืองแร่ - แบบจำลองข้อมูล ความรู้ คือแต่เดิมอยู่ในข้อมูล แต่ก็ไม่เข้าใจสำหรับมนุษย์ การทำเหมืองข้อมูลเป็นถ่ายเป็นกระบวนการเปลี่ยนความรู้จากรูปแบบข้อมูลในบางส่วนมนุษย์เข้าใจรูปแบบ เช่น กฎ สูตรทฤษฎีบท ฯลฯ เพื่อให้ความรู้ไม่เปลี่ยนแปลงในกระบวนการการทำเหมืองข้อมูล , ความรู้คุณสมบัติที่ควรเก็บไว้ไม่เปลี่ยนแปลงในระหว่างกระบวนการเปลี่ยนแปลงความรู้งานเหมืองข้อมูลโลกจริงมากเป็นอย่างมากข้อจำกัดตามและโดเมนที่มุ่งเน้น ดังนั้น , โดเมนความรู้เดิมควรเป็นแหล่งความรู้สำหรับการทำเหมืองข้อมูล ควบคุมของผู้ใช้เพื่อการทําเหมืองข้อมูลกระบวนการอาจจะถ่ายเป็นชนิดของข้อมูลแบบไดนามิกของ Data Mining กระบวนการ ดังนั้น การทําเหมืองข้อมูลกระบวนการทำเหมืองความรู้จากข้อมูลที่ไม่ได้เป็นเพียง แต่นอกจากนี้ จากมนุษย์ นี่คือความคิดของ domainoriented คีย์ข้อมูลขับเคลื่อนการทำเหมืองข้อมูล ( เพิ่ม )ในมุมมองของคอมพิวเตอร์เม็ด ( GRC ) , ข้อมูลกระบวนการทำเหมืองสามารถถือเป็นการเปลี่ยนแปลงของความรู้ใน granularities แตกต่างกันข้อมูลเดิมเป็นตัวแทนของความรู้ในgranularity ที่ดีที่สุด มันไม่ได้เป็นที่เข้าใจสำหรับมนุษย์