Heinrich-Heine-Universität Düsseldorf

Data Mining beschäftigt sich mit der Analyse großer Datenmengen mit dem Ziel, neues Wissen semi-automatisch aus bekannten Daten zu gewinnen. Der Bereich des Temporal Data Mining behandelt solche Datenmengen, bei denen das Attribut Zeit ausgezeichnet ist, um speziell zeitliche Zusammenhänge zu erkennen. Das grundlegende Problem ist dabei das Finden dieser Zusammenhänge und der zeitlichen Intervalle, in denen sie auftreten. Wir stellen ein Verfahren vor, das eine Transaktionsdatenbank reorganisiert, indem in einem einzigen Datenbank-Scan ein erweiterter P-Baum konstruiert wird, mit dessen Hilfe Zusammenhänge und die zugehörigen zeitlichen Intervalle effizient gefunden werden können.