Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PR

Detalhes bibliográficos
Autor(a) principal: Silva, Glauco Carlos
Data de Publicação: 2004
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/8696
Resumo: Com o grande crescimento dos volumes de dados que as organizações vêm registrando e a diversidade das fontes destes dados, o fato de se aproveitar informações contidas nessas massas de dados se tornou uma necessidade. Surgiu então uma área denominada Descoberta de Conhecimento em Bases de Dados (DCBD). Tal área utiliza alguns modelos, técnicas e algoritmos que realizam operações de extração de conhecimento útil de grandes volumes de dados. Entre as principais técnicas utilizadas para minerar os dados está a de Regras de Associação. A técnica de Regras de Associação se propõe a encontrar todas as associações relevantes entre um conjunto de itens aplicados a outros itens, e utiliza alguns algoritmos para realizar seu objetivo. Este estudo apresenta alguns algoritmos para a aplicação da técnica de Regras de Associação, também, busca abranger um pouco da tecnologia de Data Warehouse, muito útil para que o processo de mineração de dados possa ser realizado com maior sucesso. Neste trabalho são aplicadas técnicas de descoberta de conhecimento na área de saúde, vinculando dados referentes à situação socioeconômica do paciente com os procedimentos que foram realizados nas internações hospitalares a que foi submetido. Devido ao grande número de regras que poderiam se geradas resultantes das inúmeras possibilidades da base de dados, foi construído um protótipo de uma ferramenta para extração de regras de associação, que não só é baseado no suporte e confiança, mas também utiliza os conceitos de lift e improvement os quais ajudam na diminuição de regras triviais. Foram realizadas minerações com a base de dados de pacientes da Secretaria Municipal de Saúde de Londrina-PR, para análise da utilidade dos dados minerados.
id URGS_6e53bbaa98b7b33cd2094f41356eb91b
oai_identifier_str oai:www.lume.ufrgs.br:10183/8696
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Silva, Glauco CarlosAlvares, Luis Otavio Campos2007-06-06T19:18:20Z2004http://hdl.handle.net/10183/8696000586835Com o grande crescimento dos volumes de dados que as organizações vêm registrando e a diversidade das fontes destes dados, o fato de se aproveitar informações contidas nessas massas de dados se tornou uma necessidade. Surgiu então uma área denominada Descoberta de Conhecimento em Bases de Dados (DCBD). Tal área utiliza alguns modelos, técnicas e algoritmos que realizam operações de extração de conhecimento útil de grandes volumes de dados. Entre as principais técnicas utilizadas para minerar os dados está a de Regras de Associação. A técnica de Regras de Associação se propõe a encontrar todas as associações relevantes entre um conjunto de itens aplicados a outros itens, e utiliza alguns algoritmos para realizar seu objetivo. Este estudo apresenta alguns algoritmos para a aplicação da técnica de Regras de Associação, também, busca abranger um pouco da tecnologia de Data Warehouse, muito útil para que o processo de mineração de dados possa ser realizado com maior sucesso. Neste trabalho são aplicadas técnicas de descoberta de conhecimento na área de saúde, vinculando dados referentes à situação socioeconômica do paciente com os procedimentos que foram realizados nas internações hospitalares a que foi submetido. Devido ao grande número de regras que poderiam se geradas resultantes das inúmeras possibilidades da base de dados, foi construído um protótipo de uma ferramenta para extração de regras de associação, que não só é baseado no suporte e confiança, mas também utiliza os conceitos de lift e improvement os quais ajudam na diminuição de regras triviais. Foram realizadas minerações com a base de dados de pacientes da Secretaria Municipal de Saúde de Londrina-PR, para análise da utilidade dos dados minerados.The increasing amount of data that organization have been registering and the diversity of data sources have generate the necessity of extract knowledge from this mass of data. Based on this necessity a new area has emerged which is named Knowledge Discovery in Data Base (KDD). In this work apply the association rule mining technique in the public health area, linking social economic situation of patients which were attended in our hospitals. Because of large number of rules that can be produce we developed a prototype of a tool for extract association rules, not only based on support and confidence, but using too the measures lift and improvement in order to reduce the number of rules. Experiments were performed with the “Secretaria Municipal de Saúde de Londrina – PR” databaseapplication/pdfporArmazenamento da informaçãoBanco : DadosMineracao : DadosRegras : AssociacaoAssociations RulesData MiningMineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PRMining of Association Rules Applied to Londrina´s Health City Department – PR info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2004mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000586835.pdf000586835.pdfTexto completoapplication/pdf985494http://www.lume.ufrgs.br/bitstream/10183/8696/1/000586835.pdff05682f8e2cb1e4c6100329fbd44f224MD51TEXT000586835.pdf.txt000586835.pdf.txtExtracted Texttext/plain166924http://www.lume.ufrgs.br/bitstream/10183/8696/2/000586835.pdf.txt416700839722bb36c038360d8be64526MD52THUMBNAIL000586835.pdf.jpg000586835.pdf.jpgGenerated Thumbnailimage/jpeg1181http://www.lume.ufrgs.br/bitstream/10183/8696/3/000586835.pdf.jpg8f49f0283429ce445f2521d12bcdff5aMD5310183/86962018-10-17 08:13:00.011oai:www.lume.ufrgs.br:10183/8696Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-17T11:13Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PR
dc.title.alternative.en.fl_str_mv Mining of Association Rules Applied to Londrina´s Health City Department – PR
title Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PR
spellingShingle Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PR
Silva, Glauco Carlos
Armazenamento da informação
Banco : Dados
Mineracao : Dados
Regras : Associacao
Associations Rules
Data Mining
title_short Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PR
title_full Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PR
title_fullStr Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PR
title_full_unstemmed Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PR
title_sort Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina PR
author Silva, Glauco Carlos
author_facet Silva, Glauco Carlos
author_role author
dc.contributor.author.fl_str_mv Silva, Glauco Carlos
dc.contributor.advisor1.fl_str_mv Alvares, Luis Otavio Campos
contributor_str_mv Alvares, Luis Otavio Campos
dc.subject.por.fl_str_mv Armazenamento da informação
Banco : Dados
Mineracao : Dados
Regras : Associacao
topic Armazenamento da informação
Banco : Dados
Mineracao : Dados
Regras : Associacao
Associations Rules
Data Mining
dc.subject.eng.fl_str_mv Associations Rules
Data Mining
description Com o grande crescimento dos volumes de dados que as organizações vêm registrando e a diversidade das fontes destes dados, o fato de se aproveitar informações contidas nessas massas de dados se tornou uma necessidade. Surgiu então uma área denominada Descoberta de Conhecimento em Bases de Dados (DCBD). Tal área utiliza alguns modelos, técnicas e algoritmos que realizam operações de extração de conhecimento útil de grandes volumes de dados. Entre as principais técnicas utilizadas para minerar os dados está a de Regras de Associação. A técnica de Regras de Associação se propõe a encontrar todas as associações relevantes entre um conjunto de itens aplicados a outros itens, e utiliza alguns algoritmos para realizar seu objetivo. Este estudo apresenta alguns algoritmos para a aplicação da técnica de Regras de Associação, também, busca abranger um pouco da tecnologia de Data Warehouse, muito útil para que o processo de mineração de dados possa ser realizado com maior sucesso. Neste trabalho são aplicadas técnicas de descoberta de conhecimento na área de saúde, vinculando dados referentes à situação socioeconômica do paciente com os procedimentos que foram realizados nas internações hospitalares a que foi submetido. Devido ao grande número de regras que poderiam se geradas resultantes das inúmeras possibilidades da base de dados, foi construído um protótipo de uma ferramenta para extração de regras de associação, que não só é baseado no suporte e confiança, mas também utiliza os conceitos de lift e improvement os quais ajudam na diminuição de regras triviais. Foram realizadas minerações com a base de dados de pacientes da Secretaria Municipal de Saúde de Londrina-PR, para análise da utilidade dos dados minerados.
publishDate 2004
dc.date.issued.fl_str_mv 2004
dc.date.accessioned.fl_str_mv 2007-06-06T19:18:20Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/8696
dc.identifier.nrb.pt_BR.fl_str_mv 000586835
url http://hdl.handle.net/10183/8696
identifier_str_mv 000586835
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:Biblioteca Digital de Teses e Dissertações 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 Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/8696/1/000586835.pdf
http://www.lume.ufrgs.br/bitstream/10183/8696/2/000586835.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/8696/3/000586835.pdf.jpg
bitstream.checksum.fl_str_mv f05682f8e2cb1e4c6100329fbd44f224
416700839722bb36c038360d8be64526
8f49f0283429ce445f2521d12bcdff5a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085089150763008

Registros relacionados