Uma extensão nativa de sql para mineração de trajetórias semânticas

Detalhes bibliográficos
Autor(a) principal: Fajardo, Bruno Savegnago
Data de Publicação: 2008
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/16111
Resumo: O objetivo principal deste trabalho é desenvolver uma extensão nativa do SQL para a mineração de trajetórias de objetos móveis. As trajetórias são representadas por stops e moves, e o processo contempla as etapas de pré-processamento, extração de padrões seqüenciais e pós-processamento. Através do método proposto, baseado em uma árvore de prefixos para a estruturação das seqüências de itens, o usuário pode definir diferentes granularidades espaciais e temporais. Essa transformação é fundamental no processo de descoberta de conhecimento sobre trajetórias, pois permite que diferentes padrões sejam extraídos a partir da mesma base de dados. Os padrões gerados são armazenados no próprio banco de dados, possibilitando que filtros sejam aplicados, visando o refinamento dos resultados obtidos. O processo de mineração pode ser realimentado e executado diversas vezes, convergindo para atingir os objetivos do usuário. A integração do algoritmo desenvolvido neste trabalho com os métodos de préprocessamento de trajetórias apresentados em (CHIECHELSKI, BOGORNY, 2008) resulta em uma linguagem completa para a mineração de dados espaço-temporais, mais especificamente sobre trajetórias semânticas. Tal abordagem não é encontrada na maioria das soluções existentes atualmente.
id UFRGS-2_5100b8ee75657ed83fa027aa50a0bfd3
oai_identifier_str oai:www.lume.ufrgs.br:10183/16111
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Fajardo, Bruno SavegnagoBogorny, Vania2009-06-16T04:13:00Z2008http://hdl.handle.net/10183/16111000681095O objetivo principal deste trabalho é desenvolver uma extensão nativa do SQL para a mineração de trajetórias de objetos móveis. As trajetórias são representadas por stops e moves, e o processo contempla as etapas de pré-processamento, extração de padrões seqüenciais e pós-processamento. Através do método proposto, baseado em uma árvore de prefixos para a estruturação das seqüências de itens, o usuário pode definir diferentes granularidades espaciais e temporais. Essa transformação é fundamental no processo de descoberta de conhecimento sobre trajetórias, pois permite que diferentes padrões sejam extraídos a partir da mesma base de dados. Os padrões gerados são armazenados no próprio banco de dados, possibilitando que filtros sejam aplicados, visando o refinamento dos resultados obtidos. O processo de mineração pode ser realimentado e executado diversas vezes, convergindo para atingir os objetivos do usuário. A integração do algoritmo desenvolvido neste trabalho com os métodos de préprocessamento de trajetórias apresentados em (CHIECHELSKI, BOGORNY, 2008) resulta em uma linguagem completa para a mineração de dados espaço-temporais, mais especificamente sobre trajetórias semânticas. Tal abordagem não é encontrada na maioria das soluções existentes atualmente.The main purpose of this work is to develop a native extension of SQL for mining trajectories of moving objects. The trajectories are modeled as stops and moves, and the whole process covers the tasks of data preprocessing, sequential pattern extraction and post-processing. Through the proposed method, based on a prefix trie to represent sequences, the user can define different spatial and temporal granularities. Different granularities are fundamental in the spatio-temporal knowledge discovery process, because they provide a way to extract different patterns from the same data. The generated patterns are stored in the database, allowing the user to apply filters over the patterns for the refinement of the results. The mining process can be feeded and executed several times, according to the user's needs. The integration of the algorithm presented in this paper with the trajectories preprocessing methods implemented in (CHIECHELSKI, BOGORNY, 2008) results in a complete language for mining spatiotemporal data, more specifically for semantic trajectories. Such approach is not commonly found in most of the existing solutions.application/pdfporMineracao : DadosBanco : DadosSpatio-temporal data miningSequential patternsSpatio-temporal dataSemantic trajectoriesSpace granularityTime granularitySQLPatterns storingStopsMovesUma extensão nativa de sql para mineração de trajetórias semânticasA native extension of SQL for semantic trajectory data mining info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2008Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000681095.pdf000681095.pdfTexto completoapplication/pdf786812http://www.lume.ufrgs.br/bitstream/10183/16111/1/000681095.pdf8e312b442eeaccf12bb4ce353c6af660MD51TEXT000681095.pdf.txt000681095.pdf.txtExtracted Texttext/plain125938http://www.lume.ufrgs.br/bitstream/10183/16111/2/000681095.pdf.txtce400d7d1ceee5f04fa0c3c3fe384822MD52THUMBNAIL000681095.pdf.jpg000681095.pdf.jpgGenerated Thumbnailimage/jpeg993http://www.lume.ufrgs.br/bitstream/10183/16111/3/000681095.pdf.jpgdcc49b661232da2148d8d633217c1f5eMD5310183/161112018-10-17 08:05:49.346oai:www.lume.ufrgs.br:10183/16111Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-17T11:05:49Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Uma extensão nativa de sql para mineração de trajetórias semânticas
dc.title.alternative.en.fl_str_mv A native extension of SQL for semantic trajectory data mining
title Uma extensão nativa de sql para mineração de trajetórias semânticas
spellingShingle Uma extensão nativa de sql para mineração de trajetórias semânticas
Fajardo, Bruno Savegnago
Mineracao : Dados
Banco : Dados
Spatio-temporal data mining
Sequential patterns
Spatio-temporal data
Semantic trajectories
Space granularity
Time granularity
SQL
Patterns storing
Stops
Moves
title_short Uma extensão nativa de sql para mineração de trajetórias semânticas
title_full Uma extensão nativa de sql para mineração de trajetórias semânticas
title_fullStr Uma extensão nativa de sql para mineração de trajetórias semânticas
title_full_unstemmed Uma extensão nativa de sql para mineração de trajetórias semânticas
title_sort Uma extensão nativa de sql para mineração de trajetórias semânticas
author Fajardo, Bruno Savegnago
author_facet Fajardo, Bruno Savegnago
author_role author
dc.contributor.author.fl_str_mv Fajardo, Bruno Savegnago
dc.contributor.advisor1.fl_str_mv Bogorny, Vania
contributor_str_mv Bogorny, Vania
dc.subject.por.fl_str_mv Mineracao : Dados
Banco : Dados
topic Mineracao : Dados
Banco : Dados
Spatio-temporal data mining
Sequential patterns
Spatio-temporal data
Semantic trajectories
Space granularity
Time granularity
SQL
Patterns storing
Stops
Moves
dc.subject.eng.fl_str_mv Spatio-temporal data mining
Sequential patterns
Spatio-temporal data
Semantic trajectories
Space granularity
Time granularity
SQL
Patterns storing
Stops
Moves
description O objetivo principal deste trabalho é desenvolver uma extensão nativa do SQL para a mineração de trajetórias de objetos móveis. As trajetórias são representadas por stops e moves, e o processo contempla as etapas de pré-processamento, extração de padrões seqüenciais e pós-processamento. Através do método proposto, baseado em uma árvore de prefixos para a estruturação das seqüências de itens, o usuário pode definir diferentes granularidades espaciais e temporais. Essa transformação é fundamental no processo de descoberta de conhecimento sobre trajetórias, pois permite que diferentes padrões sejam extraídos a partir da mesma base de dados. Os padrões gerados são armazenados no próprio banco de dados, possibilitando que filtros sejam aplicados, visando o refinamento dos resultados obtidos. O processo de mineração pode ser realimentado e executado diversas vezes, convergindo para atingir os objetivos do usuário. A integração do algoritmo desenvolvido neste trabalho com os métodos de préprocessamento de trajetórias apresentados em (CHIECHELSKI, BOGORNY, 2008) resulta em uma linguagem completa para a mineração de dados espaço-temporais, mais especificamente sobre trajetórias semânticas. Tal abordagem não é encontrada na maioria das soluções existentes atualmente.
publishDate 2008
dc.date.issued.fl_str_mv 2008
dc.date.accessioned.fl_str_mv 2009-06-16T04:13:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/16111
dc.identifier.nrb.pt_BR.fl_str_mv 000681095
url http://hdl.handle.net/10183/16111
identifier_str_mv 000681095
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/16111/1/000681095.pdf
http://www.lume.ufrgs.br/bitstream/10183/16111/2/000681095.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/16111/3/000681095.pdf.jpg
bitstream.checksum.fl_str_mv 8e312b442eeaccf12bb4ce353c6af660
ce400d7d1ceee5f04fa0c3c3fe384822
dcc49b661232da2148d8d633217c1f5e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447029171617792