関係データマイニング

関係データマイニングは、関係データベースのデータマイニング手法です。 ^{[ 1 ]}単一のテーブル内のパターン（命題パターン）を探す従来のデータマイニングアルゴリズムとは異なり、関係データマイニングアルゴリズムは複数のテーブル間のパターン（関係パターン）を探します。ほとんどの種類の命題パターンには、対応する関係パターンがあります。たとえば、関係分類ルール（関係分類）、関係回帰ツリー、関係関連付けルールなどがあります。

関係データマイニングにはいくつかの手法がある。

1. 帰納的論理プログラミング（ILP）
2. 統計的関係学習（SRL）
3. グラフマイニング
4. 命題化
5. マルチビュー学習

多重関係アソシエーションルール：多重関係アソシエーションルール（MRAR）は、プリミティブ、単純、さらには多重関係アソシエーションルール（通常は多重関係データベースから抽出される）とは対照的に、各ルール項目が1つのエンティティと複数の関係で構成される新しいクラスのアソシエーションルールです。これらの関係は、エンティティ間の間接的な関係を示します。最初の項目が「住む」、「近く」、「湿潤」の3つの関係で構成される次のMRARを考えてみましょう。「湿潤気候の都市の近くに住んでいて、 20歳未満の人は健康状態が良い」。このようなアソシエーションルールは、RDBMSデータまたはセマンティックWebデータから抽出できます。^{[ 2 ]}

• Safarii：マルチリレーショナルデータマイニングエンジンに基づいた、大規模リレーショナルデータベースを分析するためのデータマイニング環境。
• Dataconda：研究および教育目的であれば無料で利用できるソフトウェアで、SQLを使用せずにリレーショナルデータベースのデータマイニングを支援します。

• 関係データセットリポジトリ：公開されている関係データセットのコレクション。

• データマイニング
• 構造採掘
• データベースマイニング

• 関係データマイニングに関する教科書のウェブページ