Wissensentdeckung in relationalen Datenbanken: Eine Herausforderung für das maschinelle Lernen

Die bisherigen Ansätze, Wissensentdeckung in sehr großen Datenbanken möglich zu machen, konzentrieren sich auf zwei entgegengesetzte Standpunkte. Die Extreme sind hier die Wahl einfacher Hypothesensprachen oder die geschickte Wahl einer kleinen Datenmenge. Hinzu kommen oft noch weitere Datenreduktionsmethoden. Der von uns verfolgte Ansatz einer kooperativen, balancierten Arbeitsteilung zwischen zwei spezialisierten Systemen für Hypothesengenerierung und Hypothesentest zeigt, daß es sehr wohl möglich ist, nicht nur über allen Daten zu lernen und prädikatenlogische Hypothesen zu entdecken, sondern auch die gegenüber dem Begriffslernen schwierigere Regellernaufgabe zu lösen.