Mineração de regras de dependência funcional condicional em grandes dados

Os algoritmos atuais de descoberta de Dependência Funcional Condicional (CFD) sempre precisam de um conjunto de dados de treinamento bem preparado. Essa condição torna difícil aplicá-los em conjuntos de dados grandes e de baixa qualidade. Para lidar com o problema de volume dos grandes dados, desenvolvemos algoritmos de amostragem para obter um pequeno conjunto de treinamento representativo. Projetamos algoritmos de descoberta de regras tolerantes a falhas e de resolução de conflitos para tratar a questão da baixa qualidade dos grandes dados. Também propomos uma estratégia de seleção de parâmetros para garantir a eficácia dos algoritmos de descoberta de CFD. Resultados experimentais demonstram que nosso método pode descobrir regras CFD eficazes em dados de bilhões de tuplas dentro de um período razoável.