Utilização de XML numa plataforma de Data Mining distribuído

Abstract

O processo de Extracção de Conhecimento em Bases de Dados (Knowledge Discovery in Databases - KDD) envolve a análise de extensas bases de dados e recurso a complexos algoritmos de análise de dados (Data Mining). Este processo requer, geralmente, recursos computacionais dedicados e de elevado custo o que reduz signicativamente o número de utilizadores capazes de efectuar tais análises. Neste artigo apresentamos uma arquitectura baseada em computadores pessoais distribu ídos numa rede de computadores de uma organização e que permite a realização de tarefas de KDD sem recursos computacionais dedicados e sem perturbar o funcionamento da organização. A arquitectura é denominada Harvard - HARVesting Architecture of idle machines foR Data mining. O Harvard utiliza uma linguagem de especicação e controlo de tarefas baseada em XML. A linguagem XML no caso do Harvard é imprescindível para a interoperabilidade entre os diferentes componentes do ambiente descrevendo claramente todos os aspectos da tarefa de KDD a ser executada de forma distribuída. Os resultados alcançados por diferentes nós do sistema são transcritos em XML, de modo a facilitar a apresentação ao utilizador do ambiente Harvard e ainda permitir integra ção com outros sistemas de extracção de conhecimento.