A pesar del acelerado avance y del incremento de la investigación en el área de
Descubrimiento de Conocimiento en Bases de Datos, relativamente son pocas las
propuestas de integrar al lenguaje de consultas SQL nuevas primitivas que permitan
descubrir eficientemente conocimiento en grandes bases de datos. La mayor parte de los
sistemas DCBD existentes se han construido bajo el modelo de arquitectura débilmente
acoplada con un SGBD. La ventaja de esta arquitectura es su portabilidad. Sus principales
desventajas son la escalabilidad y el rendimiento. Un Sistema DCBD fuertemente acoplado
con un SGBD resuelve los problemas de escalabilidad y rendimiento de las otras
arquitecturas, debido a que todos los algoritmos se integran al motor del SGBD como una
primitiva y son ejecutados conjuntamente con los datos.
En este documento, se presenta la primera versión del proyecto de construir una
herramienta computacional para el Descubrimiento de Conocimiento fuertemente acoplada
con el SGBD PostgreSQL, denominada PostgresKDD. Aplicando el método tres-pasos se
definieron e implementaron nuevos operadores algebraicos y primitivas SQL para el
Descubrimiento de Reglas de Asociación y Clasificación al interior del motor del Sistema
Gestor de Bases de Datos PostgreSQL. PostgresKDD fue desarrollada en el laboratorio de
KDD del departamento de Ingeniería de Sistemas de la Universidad de Nariño (Colombia).
Manual de Usuario -> Descargar
CD -> Descargar
