Vai al contenuto
ELECTRONICS ENGINEERINGelectronics-engineering.com
Tesi in inglese

Abduzione e anonimato nel data mining

Questa tesi indaga due nuovi problemi di ricerca che nascono nel data mining moderno: il ragionamento sui risultati del data mining e le implicazioni sulla privacy dei risultati del data mining. La maggior parte del data mining…

https://www.electronics-engineering.com/it/abduzione-e-anonimato-nel-data-mining/

Nessun voto ancora: sii il primo a votare questa pagina.

Questa tesi indaga due nuovi problemi di ricerca che nascono nel data mining moderno: il ragionamento sui risultati del data mining e le implicazioni sulla privacy dei risultati del data mining. La maggior parte degli algoritmi di data mining si basa su tecniche induttive, che cercano di inferire informazioni generalizzate a partire dai dati in ingresso. Ma molto spesso questo passo induttivo sui dati grezzi non basta a rispondere alle domande dell’utente, e c’è bisogno di elaborare di nuovo i dati con altri metodi di inferenza. Per rispondere a esigenze utente di alto livello, come la spiegazione dei risultati, descriviamo un ambiente in grado di eseguire un ragionamento abduttivo (ipotetico), poiché spesso le soluzioni di tali interrogazioni si possono vedere come l’insieme di ipotesi che soddisfano certi requisiti. Usando l’abduzione basata sul costo, mostriamo come gli algoritmi di classificazione possano essere potenziati eseguendo un ragionamento abduttivo sui risultati del data mining, migliorando la qualità dell’output. Un altro settore di ricerca in crescita nel data mining è quello del data mining che preserva la privacy. Grazie alla disponibilità di grandi quantità di dati, raccolti e memorizzati facilmente con i sistemi informatici, stanno emergendo nuove applicazioni, ma purtroppo i problemi di privacy rendono il data mining inadatto. Studiamo le implicazioni sulla privacy del data mining in un contesto matematico e logico, concentrandoci sull’anonimato delle persone i cui dati vengono analizzati. Viene data una teoria formale del data mining che preserva l’anonimato, insieme a una serie di algoritmi che preservano l’anonimato per l’estrazione di pattern. Il miglioramento in post-elaborazione dei risultati del data mining (rispetto a utilità e privacy) è il fulcro dei problemi studiati in questa tesi.

Iscriviti
Notificami
guest
1 commento
Vecchi
Più recenti Le più votate
1
0
Esprimete la vostra opinione commentando.x