MISTA - Mining in Semi-Structured Data

Data mining is het zoeken naar interessante verbanden in grote hoeveelheden gegevens, terwijl de bestanden daar soms niet op ingericht zijn. Deze bestanden met gegevens zijn doorgaans semi-gestructureerd, zoals veelvuldig het geval is op het internet of in de bio-informatica. Zo bevatten de bestanden vaak links naar andere bestanden, en is (deel)informatie aanwezig in allerlei formaten, zoals tekst, beeld en geluid. Het project beoogt data mining algoritmen te ontwikkelen in deze kontekst. In het bijzonder wordt aandacht besteed aan boom- en graafstructuren (men denke aan XML), aan mining waarbij met allerlei soorten nevenvoorwaarden rekening moet worden gehouden en aan ingedikte representaties. De te ontwikkelen algoritmen zoeken naar veelvoorkomende interessante patronen. Hierbij is het zelfs al moeilijk om te bepalen of een patroon al dan niet voorkomt in een gegeven hoeveelheid data, zeker wanneer deze een graafstructuur heeft.