Las investigaciones en Descubrimiento de Conocimiento en Bases de Datos (DCBD), se centraron inicialmente en definir modelos de descubrimiento de patrones y desarrollar algoritmos para éstos. Investigaciones posteriores se han focalizado en el problema de integrar DCBD con sistemas de bases de datos, produciendo como resultado el desarrollo de sistemas y herramientas de Descubrimiento de Conocimiento cuyas arquitecturas se pueden clasificar en tres categorías: débilmente, medianamente y fuertemente acopladas con un Sistema de Gestión de Bases de Datos (SGBD). En este artículo se presenta una revisión del estado del arte de las arquitecturas de integración del proceso de Descubrimiento de Conocimiento con SGBD que forma parte de la propuesta de investigación doctoral denominada "Nuevas primitivas SQL para el Descubrimiento de Conocimiento en Arquitecturas Fuertemente Acopladas con un SGBD" que actualmente está desarrollando el autor de este artículo en el Doctorado en Ingeniería, área de énfasis Ciencias de la Computación de la Universidad del Valle.
Researches on Knowledge Discovery in Databases (KDD) was initially oriented toward the definition of new pattern discovery models and the development of the corresponding algorithms. At present, research has focused on issues related to integrating KDD with database systems, to generate systems and tools for KDD whose architectures can be classified in one of three categories: loosely coupled, middly coupled and tightly coupled with a Database Management System (DBMS). In this paper a review of the state of the art on architectures for the process of integrating Knowledge Discovery with a DBMS is presented. It is part of the proposal doctoral research "New primitives SQL for Knowledge Discovery on tightly coupled architectures with a DBMS" that at the moment it is developed by the author of this paper in the program of Ph.D. in Engineering in Computer Science area of emphasis of University of Valley.
© 2001-2025 Fundación Dialnet · Todos los derechos reservados