Data Mining

im engeren Sinne, siehe  Data Mining. im weiteren Sinne, siehe  Knowledge Discovery in Databases. Fasst man den Begriff Data Mining eher weit, so ist Data Mining identisch zum Begriff des  Know­ledge Discovery in Databases. In seinem engen Verständnis hingegen ist Data Mining ein Teilschritt dieses KDD-Prozesses, der aus Algorithmen besteht, die in akzeptabler Rechenzeit aus einer vorgege­benen Datenbasis einer sehr grossen Datenbank eine Menge von bisher unbekannten Zusammenhängen, Mustern und Trends liefern. Besteht diese Datenbasis aus üblichen, strukturierten Daten, so spricht man vom klassischen Data Mi­ning, das sich der verschiedensten Ansätze aus unterschiedlichsten Wissenschaftsdisziplinen bedient. Dabei werden ebenso klassische Verfahren der Statistik zur  Segmentierung,  Klassifikation oder  Prognose angewendet wie neuere Techniken der Entscheidungsbäume oder der Assoziationsanaly­sen. Aber auch Methoden der Künstlichen Intelligenz, wie z.B. die  künstlichen neuronale Netze (KNN), kommen hier zum Einsatz. Handelt es sich bei der Datengrundlage hingegen um unstrukturierte Daten wie z.B. der Sammlung von Textdokumenten, so versucht das sog.  Text Mining diese Daten mit Hilfe spezieller Methoden zu analysieren. Ähnlich dem Data Mining ist das Ziel dieser Analysen die  Klassifikation oder die  Segmentierung des vorgegebenen Textdatenbestandes sowie das Aufzeigen von Beziehungen zwi­schen Dokumenten und deren Inhalten. Zur Visualisierung werden oft sog.   Topic Maps oder Onto­logien aufgebaut. Werden die Verfahren des Data Mining auf Datenstrukturen des Internets angewendet, so bezeichnet man dies als  Web Mining. Entsprechend der jeweiligen Zielstellung unterteilt sich Web Mining in  Web Content Mining,   Web Structure Mining bzw.   Web Usage Mining, das sich nochmals in  Web Log Mining und  Integrated Web Usage Mining differenzieren lässt. Siehe auch  Business Intelligence (mit Literaturangaben).