Tez No	İndirme	Tez Künye	Durumu
166959	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.	A new hybrid multi-relational data mining technique / Yeni bir melez çok ilişkili veri madenciliği tekniği Yazar:SEDA DAĞLAR TOPRAK Danışman: DOÇ. DR. İSMAİL HAKKI TOROSLU Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Yüksek Lisans İngilizce 2005 85 s.
oz YENİ BİR MELEZ ÇOK İLİŞKİLİ VERİ MADENCİLİĞİ TEKNİĞİ Toprak, Seda Dağlar Yüksek Lisans, Bilgisayar Mühendisliği Bölümü Tez Yöneticisi: Doç. Dr. İ. Hakki Toroslu Mayıs 2005, 72 sayfa Verileri ilişkisel veritabanlarında saklama eğilimi ve problem tanımlamaların tek bir bağıntı ile yapmanın getirdiği sınırlamalar, çok ilişkili öğrenmeyi popüler hale getirmiştir. Bilgi örüntüleri birden fazla ilişki içermeye başladıkça, örüntü arama uzayı kolay işlenmeyecek kadar büyümüştür. Hipotez uzayının karmaşıklığı ile başa çıkmak için farklı arama stratejileri ve örüntü dil kısıtları kullanan birçok çok-ilişkili bilgi çıkaran sistem geliştirilmiştir. Bu çalışmada kavram öğrenme, kavram ile kavramı gerçekleme önkoşulları arasındaki eşleştirme olarak tanımlanmış ve ilişkisel kural madenciliği alanında buluşsal yöntem olarak kullanılan APRİORİ kuralı örüntü uzayım küçültmek amacı ile kullanılmıştır. Önerilen sistem, kavram örneklerinden ters çözünürlük operatörü kullanılarak genel kavram tanımların oluşturan, ve bu genel örüntüleri APRİORİ kuralını temel alan bir operatör yardımı ile özelleştirerek güçlü kavram tanımlamaları elde eden melez bir öğrenme sistemi olarak tanımlanabilir. Sistemin iki farklı versiyonu, üç popüler veri madenciliği problemi için test edilmiş ve sonuçlar önerilen sis temin, en gelişkin ilişkisel veri madenciliği sistemleri ile karşılaştırılabilir durumda olduğunu göstermiştir. Anahtar Kelimeler: İlişkisel Öğrenme, Tümevaran Mantıksal Programlama, Ön görüm Tümevarımsal Öğrenme, Tanımlayıcı Tümevarımsal Öğrenme, Ters Çözünürlük, İlişkisel Kural Madenciliği, APRİORİ Algoritması, WARMR Sistemi vıı
ABSTRACT A NEW HYBRID MULTI-RELATIONAL DATA MINING TECHNIQUE Toprak, Seda Dağlar M.Sc, Department of Computer Engineering Supervisor: Assoc. Prof. Dr. I. Hakkı Toroslu May 2005, 72 pages Multi-relational learning has become popular due to the limitations of preposi tional problem definition in structured domains and the tendency of storing data in relational databases. As patterns involve multiple relations, the search space of possible hypotheses becomes intractably complex. Many relational knowl edge discovery systems have been developed employing various search strategies, search heuristics and pattern language limitations in order to cope with the com plexity of hypothesis space. In this work, we propose a relational concept learn ing technique, which adopts concept descriptions as associations between the concept and the preconditions to this concept and employs a relational upgrade of association rule mining search heuristic, APRİORİ rule, to effectively prune the search space. The proposed system is a hybrid predictive inductive logic system, which utilizes inverse resolution for generalization of concept instances in the presence of background knowledge and refines these general patterns into frequent and strong concept definitions with a modified APRIORI-based spe cialization operator. Two versions of the system are tested for three real-world IVlearning problems: learning a linearly recursive relation, predicting carcinogenic ity of molecules within Predictive Toxicology Evaluation (PTE) challenge and mesh design. Results of the experiments show that the proposed hybrid method is competitive with state-of-the-art systems. Keywords: Multi-Relational Learning, ILP, Predictive Inductive Learning, De scriptive Inductive Learning, Inverse Resolution, Association Rule Mining, APRİ ORİ, WARMR v