Descoberta de conhecimento em bases de dados

RESUMO

Descoberta de Conhecimento em Bancos de Dados, conhecida pela expressão em inglês Knowledge Discovery in Databases – KDD, é um processo essencial em que métodos inteligentes são aplicados, em ordem, para extrair conhecimentos implícitos e auxiliar na tomada de decisão. Um dos padrões mais comuns que pode ser descoberto a partir deste processo é o conjunto de Regras de Associação que representam combinações de itens que ocorrem com determinada freqüência em uma base de dados.

Um típico exemplo de regras de associação é a análise de transações de compras (Market Basket Analysis), em que a descoberta de tais associações pode ajudar empresas da área de comércio a desenvolver estratégias de marketing por descobrir hábitos de compras dos clientes.

Neste trabalho foi desenvolvido um sistema de apoio à decisão denominado SAMiRA (Sistema de Apoio à Mineração de Regras de Associação), que contempla todas as etapas do processo de Mineração de Dados e está integrado com algumas bibliotecas do Weka.

Para validar este sistema, foram realizados estudos de casos com as bases de dados de duas empresas, uma focada no comércio de produtos veterinários e a outra no comércio de produtos de controle de pragas, em que foi possível analisar os perfis das regras geradas para estes ramos de negócio e realizar uma avaliação comparativa dos algoritmos para Regras de Associação Apriori e FP-Growth para os conjuntos de transações de vendas deste mesmo ramo de negócios.

Como resultado destes estudos de caso, para a empresa de produtos veterinários foi observado que a venda simultânea de um determinado conjunto de produtos não se repete com tanta freqüência, cujo maior suporte encontrado nas regras foi de apenas 5%. Para a empresa de produtos de controle de pragas foram encontradas regras com suporte de até 21%. Na avaliação comparativa entre os algoritmos, o FP-Growth demonstrou-se superior ao Apriori em ambos os estudos de casos.

Palavras-chave: KDD. Mineração de Dados. Regras de Associação. Apriori. FP-Growth.