Data Mining von Sequenzdaten - Fachgebiet Datenbanken und ...

1 EINLEITUNG 1
1 Einleitung
1.1 Data Mining von Sequenzdaten - eine Einführung
Die rasante technologische Entwicklung der letzten Jahrzehnte führte zu einer gigantischen
Allgegenwart von Computern und Netzwerken in vielen verschiedenen Bereichen
der Wirtschaft und Wissenschaft. Während die Rechenleistung von Computern kontinuierlich
anstieg, sanken gleichzeitig die Kosten für Datenträger. Dies ermöglichte eine
enorme Ansammlung von Datenbeständen, welche mit der Zeit zu unüberschaubaren
Datenmengen heranwuchsen. Um diese riesige Datenmenge bewältigen zu können, entwickelte
sich Ende der 80er Jahre das Forschungsfeld Data Mining mit der Zielsetzung, in
den Daten wertvolle Informationen zu finden um dadurch die Daten nutzbar zu machen.
So sind Unternehmen daran interessiert mehr über ihre Kunden zu lernen um Werbekampagnen
danach auszurichten, zukünftige Produkttrends vorherzusagen oder Betrugsfälle
zu erkennen. Banken und Versicherungen wollen Investmentrisiken richtig einschätzen
und zukünftige Börsenentwicklungen frühzeitig erkennen. Wissenschaftler aus
vielen Bereichen suchen Muster in Daten aus ihren Experimenten. Auf der Suche nach
geeigneten Behandlungsmethoden werden Gen- und Krankheitsdaten von Patienten in
der Medizin nach möglichen Ursachen analysiert. Viele diese Bestrebungen können mit
Hilfe von geeigneten Data Mining-Konzepten realisiert werden.
In dieser Arbeit soll Data Mining als die Verwendung von spezifischen Algorithmen
interpretiert werden um Muster aus Daten zu extrahieren. Aufgrund der starken Nachfrage
gibt es inzwischen eine Vielzahl an Data Mining-Algorithmen und -Methoden für
die verschiedensten Anwendungen. Deshalb ist es nicht verwunderlich, dass es verschiedene
Teildisziplinen des Data Minings gibt, die sich auf Nicht-Standard-Arten von Daten
spezialisiert haben. Gegenstand dieser Arbeit ist die noch relativ neue und dynamische
Teildisziplin: Data Mining von Sequenzdaten.
Sequenzdaten kann man überall im täglichen Leben antreffen. Zum Beispiel stellt
jeder Tagesablauf eine Sequenz von Tätigkeiten dar. Ein Gespräch zwischen zwei Personen
kann man als eine Sequenz von Wörtern speichern. Wenn man mit der Straßenbahn
fährt, wird eine bestimmte Sequenz von Haltestellen durchfahren. Aufgrund der besonderen
Ordnungseigenschaft einer Sequenz eröffnen sich viele interessante und wichtige
Anwendungen des Data Minings von Sequenzdaten.
Sequenzen treten auch häufig in vielen wissenschaftlichen, medizinischen oder wirtschaftlichen
Bereichen auf. So können viele Data Mining-Probleme erst gelöst werden,
wenn die zugrundeliegenden Daten als Sequenzdaten betrachtet werden. Ein klassisches
Beispiel hierfür ist die das Gebiet der Analyse von DNA-Strukturen. Die DNA ist ein
langes Kettenmolekül aus vielen Bausteinen, die als Nukleotide bezeichnet werden. Fasst
man nun die DNA als eine Sequenz von Nukleotiden auf, bei der die Nukleotide nach
ihren natürlichen Vorkommen in der DNA geordnet sind, können Konzepte des Data
Minings von Sequenzdaten angewendet werden um interessante Muster in der DNA-
Struktur zu finden.