BÁO CÁO ĐỀ ÁN MÔN HỌC PHƯƠNG PHÁP LUẬN NGHIÊN CỨU KHOA HỌC NGHIÊN CỨU SỰ PHÁT TRIỂN CỦA CÔNG NGHỆ CƠ SỞ DỮ LIỆU VÀ KHAI PHÁ DỮ LIỆU

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
oOo
BÁO CÁO ĐỀ ÁN MÔN HỌC
PHƯƠNG PHÁP LUẬN NGHIÊN CỨU KHOA HỌC
Đề tài :
NGHIÊN CỨU SỰ PHÁT TRIỂN CỦA CÔNG NGHỆ
CƠ SỞ DỮ LIỆU VÀ KHAI PHÁ DỮ LIỆU
Giảng viên hướng dẫn:
GS.TSKH Hoàng Kiếm
Học viên thực hiện:
CH1101021 – Đỗ Văn Luyện

Tp.Hồ Chí Minh ngày 13 tháng 04 năm 2012
GIỚI THIỆU ĐỀ TÀI 3
GIỚI THIỆU ĐỀ TÀI.
Cùng với sự phát triển của khoa học kỹ thuật là sự bùng nổ của công nghệ dữ liệu
mới như World Wide Web, data stream… đã đặt ra một yêu cầu cấp thiết cho các kỹ
thuật mới và công nghệ tự động để có thể chuyển đổi một lượng lớn dữ liệu thành các
thông tin hữu ích và đưa ra các dự báo hữu ích cho người sử dụng, Khai thác dữ liệu ra
đời nhằm giải quyết những vấn đề trên. Vì thông tin có thể thay đổi liên tục và rộng lớn
nên đây là một ngành khoa học đỏi hỏi phải luôn nâng cấp và tối ưu hóa tri thức hiện có
để có thể phục vụ tốt hơn nhu cầu của người sử dụng.
Trong bài tiểu luận này em xin được trình bày sự phát triển của công nghệ cơ sở
dữ liệu từ lúc hình thành cho đến ngày nay để thấy được vai trò của công nghệ khai phá
dữ liệu là to lớn như thế nào. Tiếp đến em xin được kể ra những thách thức mà ngành
khoa học này gặp phải trong quá trình nghiên cứu và phát triển.
Tại vì thời gian không cho em được nghiên cứu nhiều và nghiên cứu sâu em xin
chỉ trình kể ra những thách thức mà hiện nay các nhà khoa học đang gặp phải. Hiện nay
có một số công ty lớn như Facebook, Google…đã và đang giải quyết được một trong số
các thách thức trong khai phá dữ liệu như là Search Engine và Social Network và họ cũng

đã đang và rất thành công trong lĩnh vực của mình.
1. Sự phát triển công nghệ cơ sở dữ liệu và tầm quan trọng của khai phá dữ
liệu.
1.1 Sự phát triển công nghệ cơ sở dữ liệu và sự ra đời của công nghệ khai
phá dữ liệu.
Khai thác dữ liệu là một trong những ngành khoa học thu hút rất
nhiều sự chú ý trong những năm gần đây, do có một số lượng dữ liệu lớn và
cần thiết để chuyển các dữ liệu đó thành thông tin hữu ích. Các thông tin và
kiến thức thu được có thể sử dụng trong các ứng dụng khác nhau từ phân
tích thị trường, phát hiện gian lận, kiểm soát sản xuất và khoa học thăm dò.
Khai thác dữ liệu có thể xem như là một kết quả của sự tiến hoá tự
nhiên của công nghệ thông tin. Sự phát triển của công nghiệp cơ sở dữ liệu
cho ta biết tại sao khai phá dữ liệu đóng một vai trò quan trọng trong sự
phát triển của nền công nghiệp công nghệ thông tin ngày nay.
Kể từ khi công nghệ năm 1960, cơ sở dữ liệu và thông tin đã được
phát triển từ hệ thông xử lý tập tin nguyên thuỷ. Việc nghiên cứu và phát
triển trong các hệ thống cơ sở dữ liệu từ những năm 1970 đã có một quá
trình phát triển từ các hệ thống cơ sở dữ liệu và mạng lưới phân cấp tới sự
phát triển của hệ thống cơ sở dữ liệu quan hệ (nơi dữ liệu được lưu trữ
trong các cấu trúc bảng quan hệ ), các công cụ mô hình hoá dữ liệu và lập
chỉ mục. Ngoài ra người sử dụng đã bước đầu sử dụng ngôn ngữ truy vấn
để truy xuất dữ liệu một cách linh hoạt và thuận tiện. Lúc này để các
phương pháp xử lý giao dịch trực tuyến (OLTP) nơi truy vấn truy xuất dữ
liệu được xem như một giao tác cơ bản thì người dùng bắt đầu phải tối ưu
hoá các xử lý truy vấn để các ứng dụng được sử dụng một cách hiệu quả.
Công nghệ cơ sở dữ liệu từ những năm 1980 đã được đặc trưng bới
sự áp dụng phổ biến các công nghệ quan hệ, các nghiên cứu độc lập và sự
Data Collection and Database Creation
( 1960s and earlier)
-Dữ liệu xử lý trên file thuần tuý

Database Management System
( 1970s – 1980s)
-Phát triển hệ thống cơ sở dữ liệu : Dữ liệu được lưu trữ trong cấu trúc
bảng quan hệ.
- Phát triển công cụ mô hình hoá dữ liệu : Mô hình quan hệ giữa các
đối tượng, thực thể…
- Lập chỉ mục và các phương pháp truy xuất dữ liệu : Cây B-Tree,
bảng băm, …
- Các ngôn ngữ truy vấn dữ liệu ( query languages) : SQL,…và tối ưu
hoá xử lý truy vấn.
- Phát triển hệ thống giao tiếp người dùng : User interfaces, forms,
report…
Advanced Database
System
(mid - 1980s - present)
- Phát triển mô hình quan
hệ đối tượng mở rộng,
hướng đối tượng mở rộng
và đối tượng quan hệ.
- Phát triển cơ sở dữ liệu
theo định hướng ứng dụng
: cơ sở tri thức, khoa học
và ứng dụng…
Advanced Data Analysis : Data
Warehousing and Data Mining
(late 1980s - present)
- Data warehousing và OLAP
- Khai phá dữ liệu và tìm kiếm tri thức.
- Phát triển các ứng dụng khai phá dữ liệu
chuyên sâu : Web mining, text mining,

time-series analysis….
Web-based database
( 1990s - present)
- Phát triển dựa trên
XML database.
- Thông tin và dữ liệu
được tích hợp cùng
nhau.
New Generation of Integrated Data and
Information Systems.
( present - future)
phát triển hoạt động trên các hệ thống cơ sở dữ liệu mới. Sự ra đời của các
mô hình quan hệ mở rộng, hướng đối tượng và các mô hình suy luận đã
thúc đẩy sự phát triển của các hệ cơ sở dữ liệu tiên tiến hơn như các hệ
thống cơ sở dữ liệu theo định hướng ứng dụng, bao gồm cả không gian, đa
phương tiện, cảm biến và cơ sở dữ liệu khoa học kỹ thuật, cơ sở tri thức và
các ứng dụng thông tin văn phòng phát triển mạnh mẽ trong thời kỳ này.
Các vấn đề liên quan đến phân phối dữ liệu, chia sẻ dữ liệu đươc nghiên
cứu rộng rãi. Lúc này hệ thống cơ sở dữ liệu và Internet dựa trên hệ thống
thông tin World Wide Web (WWW) cũng đã xuất hiện và đóng một vai trò
quan trọng sự phát triển của ngành công nghiệp thông tin.
1.2 Tầm quan trọng của khai phá dữ liệu.
Các tiến bộ vượt bậc trong công nghệ phần cứng máy tính đã dẫn
đến nguồn cung cấp lớn các máy tính mạnh mẽ, dung lượng lưu trữ trong
các thiết bị ngày càng lớn. Công nghệ này thúc đẩy sự phát triển ngành
công nghiệp cơ sở dữ liệu và thông tin, làm cho một số lượng lớn các cơ sở
dữ liệu và kho thông tin có sẵn cho quản lý giao dịch, thông tin truy hồi và
phân tích dữ liệu.
Dữ liệu có thể được lưu trữ trong nhiều loại khác nhau của cơ sở dữ
liệu và kho thông tin. Một kho lưu trữ nhiều nguồn dữ liệu không đồng nhất

tổ chức theo một lược đồ thống nhất tại một trang web duy nhất để tạo điều
kiện thuận lợi cho việc ra quyết định quản lý. Công nghệ dataWarehousing
bao gồm dữ liệu, tích hợp và làm sạch dữ liệu, phân tích dữ liệu trực tuyến
(OLAP), kỹ thuật phân tích các chức năng, hợp nhất và tập hợp cũng như
khả năng xem xét thông tin ở nhiều ở nhiều góc khác nhau.
Ngoài ra một lượng lớn dữ liệu có thể được tích luỹ vượt quá kiến
trúc cơ sở dữ liệu và kho dữ liệu. Ví dụ điển hình là các dòng data trong
World Wide Web, nơi có các dòng dữ liệu liên tục, trong các ứng dụng như
các mạng cảm biến, phân tích định tuyến Router… thì phân tích và sử dụng
dữ liệu hiệu quả trở thành một nhiệm vụ đầy thử thách.
Sự phong phú của dữ liệu cùng với sự cần thiết cho các công cụ
phân tích dữ liệu mạnh mẽ, thu thập và lưu trữ trong kho dữ liệu lớn và rất
nhiều các ứng dụng khác vượt xa khả năng của con người để hiểu và cẩn
phải có một công cụ mạnh mẽ để làm những việc như vậy
Kết quả là các dữ liệu thu thập trong các kho dữ liệu lớn trở thành
những dữ liệu lưu trữ rất hiếm khi sử dụng và truy cập. Do đó các quyết
định quan trọng thường được thực hiện không dựa trên các dữ liệu thông tin
phong phú được lưu trữ trong kho dữ liệu mà là những quyết định mang
tính trực giác, đơn giản là vì các nhà sản xuất không có đủ các công cụ trích
xuất các kiến thức từ một kho dữ liệu lớn.
=> Công cụ khai thác dữ liệu được ra đời để thực hiện việc phân tích dữ
liệu và có thể phát hiện ra cá mô hình dữ liệu quan trọng góp phần rất lớn
trong sự phát triển của doanh nghiệp.
2. Khai thác dữ liệu là gì ?
2.1 Các bước để khai phá dữ liệu
Nói một cách đơn giản khai thác dữ liệu dùng để “giải nén” hoặc
“khai thác” kiến thức từ một số lượng lớn dữ liệu. Các bước để khai phá dữ
liệu:
 Làm sạch dữ liệu: loại bỏ những thành phần gây nhiễu, khó xác
định quy luật).

 Tích hợp dữ liệu : Dữ liệu có thể được tích hợp từ nhiều nguồn khác
nhau.
 Lựa chọn dữ liệu : Chọn lựa dữ liệu có liên quan đến quá trình phân
tích được lấy từ cơ sở dữ liệu.
 Chuyển đổi dữ liệu: Dữ liệu được chuyển đổi thành các hình thức
thích hợp với các hệ cơ sở tri thức, cơ sở dữ liệu khác nhau…
 Khai thác dữ liệu: Các phương pháp thông minh được áp dụng để
trích xuất ra các mẫu dữ liệu, các mô hình dữ liệu.
 Đánh giá các mẫu, mô hình: Đánh giá mô hình đại diện cho kiến
thức thu được.
 Trình bày tri thức.
Hai bước đầu là quá trình tiền xử lý cho việc khai phá dữ liệu. Khai
phá dữ liệu cần phải được hỗ trợ từ người dùng và các cơ sở tri thức hiện
có. Các mẫu, phát hiện mới được thể hiện cho người sử dụng và được lưu
Flat files
Databases
Data Warehouse
Patterns
Knowledge
Cleaning and integration
Data mining
Evaluation and Presentation
trữ như là kiến thức mới trong cơ sở tri thức. Khai thác dữ liệu lúc này chỉ
là một bước trong toàn bộ quá trình, là một trong những bước cần thiết bởi
vì nó phát hiện ra các mô hình ẩn để đánh giá.
2.2 Kiến trúc một hệ thống khai thác dữ liệu điển hình.
DataMining với tên gọi của nó với nghĩa cơ bản là phát hiện kiến
thức. Tuy nhiên trong ngành công nghiệp, trong các công nghệ truyền
thông và trong nnghiên cứu cơ sở dữ liệu khai thác dữ liệu đang dần phổ
biến hơn so với thuật ngữ ban đầu. Rộng hơn thì DataMining là quá trình

phát hiện kiến thức từ một lượng lớn dữ liệu được lưu trữ trong cơ sở dữ
liệu, kho dữ liệu hoặc kho lưu trữ các thông tin khác.
Kiến trúc của một hệ thống khai thác dữ liệu điển hình có các thành
phần chính như sau :
 Cơ sở dữ liệu, kho dữ liệu, World Wide Web, hoặc kho lưu trữ các
thông tin khác: Trên các hệ thống dữ liệu này phải làm sạch dữ liệu
(loại bỏ những thành phần gây nhiễu trong dữ liệu), sử dụng kỹ thuật
tích hợp dữ liệu để có thể sử dụng dữ liệu một cách hiệu quả.
 Hệ quản trị cơ sở dữ liệu hoặc máy chủ kho dữ liệu : Có nhiệm vụ
trong việc lấy dữ liệu có liên quan dựa trên yêu cầu khai thác dữ liệu
của người dùng.
 Cơ sở tri thức (knowledge base): Đây là những kiến thức tên miền
(domain) được sử dụng để hướng dẫn tìm kiếm hoặc đánh giá các
mẫu tìm kiếm thú vị. Những kiến thức có thể bao gồm các khái niệm
phân cấp được sử dụng để tổ chức các thuộc tính hoặc các giá trị
thuộc tính thành các cấp độ trừu tượng khác nhau. Kiến thức chẳng
hạn như niềm tin của người sử dụng có thể được sử dụng để đánh giá
mức độ lý thú của một sản phẩm.
 Datamining engine: Engine này là cần thiết để hệ thống khai thác
dữ liệu bao gồm một tập hợp các phân hệ chức năng cho các nhiệm
vụ chẳng hạn như tính chất, phân loại, dự báo, phân tích cụm, phân
tích định tuyến và phân tích sự tiến hóa…
 Các mô hình đánh giá (Pattern evaluation module): Thành phần
này thường được sử dụng để so sánh, tương tác với các module khai
thác dữ liệu để tập trung tìm kiếm ra một mô hình mới thú vị. Nó có
thể sử dụng các phương pháp khác nhau để lọc ra các mẫu phảt hiện.
 Giao diện người dùng ( User interface): Là một giao tiếp giữa
người dùng và hệ thống khai thác dữ liệu, cho phép người dùng
tương tác với hệ thống bằng cách thiết lập một truy vấn khai thác dữ
liệu , cung cấp thông tin để giúp tập trung tìm kiếm và thực hiện

thăm dò khai thác dữ liệu dựa trên khai thác dữ liệu trung gian kết
quả. Ngoài ra thành phần này cho phép người dùng duyệt các lược
đồ cơ sở dữ liệu và kho dữ liệu hoặc cấu trúc dữ liệu, đánh giá mô
hình khai thác, và hình dung ra các mô hình trong các hình thức khác
nhau.
Từ quan điểm kho dữ liệu (data warehouse), khai thác dữ liệu có thể
được xem như là một giai đoạn tiên tiến về xử lý phân tích trực tuyến
(OLAP). Mặc dù có rất nhiều hệ thống khai thác dữ liệu trên thị trường
nhưng không phải tất cả trong số đó thể thực hiện khai thác dữ liệu một
cách hiệu quả. Một phân tích dữ liệu hệ thống không thể xử lý một lượng
lớn dữ liệu phải được phân loại một cách thích hợp. Một hệ thống có thể
chỉ có một kiểu dữ liệu hoặc truy vẫn thông tin, bao gồm cả việc tìm kiếm
các giá trị tổng hợp hoặc thực hiện truy vấn trả lời suy luận trong cơ sở dữ
liệu lớn cần được phân loại một cách thích hợp hơn là một hệ thống cơ sở
dữ liệu, một hệ thống truy xuất thông tin, hoặc một hệ thống cơ sở dữ liệu
suy luận. Khai thác dữ liệu liên quan đến việc tích hợp các kỹ thuật lừ
nhiều lĩnh vực như cơ sở dữ liệu, công nghệ kho dữ liệu, số liệu thống kê,
máy học, máy tính hiệu suất cao, nhận dạng mẫu, mạng neural, phân tích
dữ liệu trực quan, thu hồi thông tin, hình ảnh và xử lý tín hiệu và phân tích
các dữ liệu không gian và thời gian.
3. Kiểu dữ liệu khai thác trong khai thác dữ liệu.
3.1Nguyên tắc.
Về nguyên tắc khai thác dữ liệu nên được áp dụng đối với bất kỳ loại
kho dữ liệu, cũng như dữ liệu tạm thời chẳng hạn như dữ liệu dòng (data
stream). Do đó phạm vi kiểm tra thường trên các quan hệ cơ sở dữ liệu, kho
dữ liệu, các dòng dữ liệu, World Wide Web…Hệ thống cơ sở dữ liệu cao
cấp bao gồm các đối tượng cơ sở dữ liệu quan hệ và cơ sở dữ liệu theo định
hướng ứng dụng cụ thể chẳng hạn như cơ sở dữ liệu không gian, cơ sở dữ
liệu chuỗi thời gian (time-series databases), cở sở dữ liệu văn bản, cơ sở dữ
liệu đa phương tiện.

3.2Những thách thức khai thác dữ liệu trong các hệ thống lưu trữ điển
hình.
Những thách thức và kỹ thuật khai thác có thể khác nhau cho mỗi hệ
thống lưu trữ.
 Cơ sở dữ liệu quan hệ : Hệ quản trị cơ sở dữ liệu (DBMS) bao gồm
tập dữ liệu có liên quan đến nhau, được biết đến như là một cơ sở dữ
liệu, và thiết lập chương trình phần mềm quản lý và truy cập dữ liệu.
Thách thức khi mà khai phá dữ liệu trên cơ sở dữ liệu quan hệ này là
đó là tối ưu hóa và xử lý truy vấn dữ liệu.
 Data Warehouses : Là kho lưu trữ thông tin thu thập từ nhiều
nguồn, được lưu trữ thành một cấu trúc thống nhất. Các thách thức
khi mà khai phá dữ liệu trên kho thông tin rộng lớn này đó là việc tối
ưu hóa và xử lý truy vấn dữ liệu trên các kho dữ liệu.
 Các hệ thống thông tin và dữ liệu nâng cao: Hệ thống cơ sở dữ
liệu quan hệ đã được sử dụng rộng rãi trong các ứng dụng
(Applications) . Với sự tiến bộ của công nghệ cơ sở dữ liệu, các loại
khác nhau của dữ liệu mới và thông tin hệ thống tập tin gốc đã nổi
lên và đang phát triển để giải quyết yêu cầu của các ứng dụng mới.
Các ứng dụng cơ sở dữ liệu mới bao gồm xử lý dữ liệu không gian
(như là bản đồ), dữ liệu thiết kế kỹ thuật (như thiết kế của các tòa
nhà, các thành phần hệ thống), siêu văn bản và dữ liệu đa phương
tiện (bao gồm cả văn bản, video, hình ảnh, dữ liệu âm thanh), dữ liệu
thời gian thực (dữ liệu chứng khoán), dòng dữ liệu (như là video, dữ
liệu cảm biến), World Wide Web (được phân bố rộng rãi trong các
kho lưu trữ thông tin được cung cấp bởi mạng Internet).
Các ứng dụng này yêu cầu cấu trúc dữ liệu hiệu quả và khả năng
mở rộng các phương pháp để xử lý cấu trúc đối tượng phức tạp. Để
đáp ứng những nhu cầu này thì hệ thống cơ sở dữ liệu tiên tiến và
ứng dụng theo định hướng hệ thống cơ sở dữ liệu cụ thể đã được
phát triển bao gồm hệ thống cơ sở dữ liệu quan hệ hướng đối tượng

(object-relational database systems), hệ thống dữ liệu thời gian thực
(time-series database systems), hệ thống cơ sở dữ liệu xử lý văn bản
(text database system) và dữ liệu đa phương tiện (multimedia
database system), hệ thống dữ liệu dòng (data stream management
systems), hệ thống thông tin toàn cầu Web-based ( Web-bases global
information systems).
 Cơ sở dữ liệu quan hệ hướng đối tượng ( Object-Relational
Databases)
Mô hình này được xây dựng dựa trên mô hình dữ liệu
đối tượng – quan hệ. Nó được kế thừa từ các khái niệm của
cơ sở dữ liệu hướng đối tượng. Mỗi thực thể được xem như là
một đối tượng. Các hành động của thực thể được coi như là
một thược tính của đối tượng.
 Dữ liệu dòng thời gian ( Time-Series Databases and
Sequence Databases).
Một cơ sở dữ liệu thời gian lưu trữ dữ liệu quan hệ bao
gồm các thuộc tính liên quan đến thời gian.
Ví dụ như Google muốn biết từ khóa nào của ngày hôm nay
phổ biến hơn ngày hôm qua.
Yahoo muốn biết trang nào của họ ít được quan tâm trong
một giờ qua, hay nhân viên của một siêu thị muốn kiểm soát
được hàng tồn kho, cập nhật giá (thị trường chứng khoán)….
 Cơ sở dữ liệu không gian (Spatial Databases and
Spatiotemporal Databases).
Không gian cơ sở dữ liệu lưu trữ thông tin liên quan
đến không gian. Ví dụ như cơ sở dữ liệu địa lý (bản đồ), cơ sở
dữ liệu hình ảnh y tế, vệ tinh…
 Text Databases and Multimedia Databases.
Cơ sở dữ liệu văn bản không có cấu trúc và cơ sở dữ
liệu văn bản có cấu trúc như XML/HTML. Việc phát triển và

khai thác dữ liệu văn bản có cấu trúc thường được sử dụng
thường xuyên và có thể được thực hiện bằng cách sử dụng hệ
thống cơ sở dữ liệu quan hệ.
Cơ sở dữ liệu đa phương tiện như lưu trữ hình ảnh, âm
thanh, video. Nhu cầu của người sử dụng trên cơ sở dữ liệu
này nhiều nên thách thức trong khai phá dữ liệu là phải hỗ trợ
được nhiều người dùng và phải được tích hợp với các phương
pháp khai thác dữ liệu khác, khai thác nhiều tính năng từ dữ
liệu đa phương tiện…
 Data Stream.
Nhiều ứng dụng hiện nay đã và đang sử dụng một loại
dữ liệu mới để phân tích, khám phá các mô hình trong các
dòng dữ liệu. Ví dụ chúng ta có thể phát hiện sự xâm lấn của
một mạng máy tính dựa trên bất thường của dòng tin nhắn có
thể được phát hiện bằng cách phân nhóm các dòng dữ liệu.
 The World Wide Web.
World Wide Web và các dịch vụ phân phối và chuyển
tải thông tin chẳng hạn như Yahoo!, Google,Microsoft,
Apple… thì các đối tượng dữ liệu được liên kết với nhau để
tạo điều kiện truy cập tương tác. Người dùng tìm kiếm thông
tin đi từ một một thành phần đến một thành phần khác thông
qua các liên kết (tương tác) với nhau.Các dịch vụ Web đựa
trên các từ khóa tìm kiếm mà không có sự hiểu biết cấu trúc
của một trang web cũng như nội dung thì có thể đưa ra thông
tin hạn chế cho người sử dụng. Vì vậy khai thác dữ liệu trên
World Wide Web là một trong những thách thức lớn nhất mà
con người gặp phải và đang thu hút được sự quan tâm từ
nhiều tổ chức khác nhau.
4. Các nguyên tắc sáng tạo điển hình dùng trong phát triển công nghệ cơ sở dữ
liệu và khai phá dữ liệu.

4.1Nguyên tắc phân nhỏ
Phát triển công nghệ cơ sở dữ liệu được chia thành nhiều hướng phát
triển khác nhau. Mỗi hướng phát triển có những vấn đề và thách thức riêng.
Trong khai phá dữ liệu thì nguyên tắc này càng được thể hiện rõ
ràng hơn. Với từ những kiểu dữ liệu cụ thể người ta có thể phân chia ra
những hướng khai phá dữ liệu riêng. Ví dụ như hệ thống khai phá dữ liệu
thời gian thực (time series data), khai thác dữ liệu dòng (data stream)…
4.2 Nguyên tắc “tách khỏi ”
Trong khai phá dữ liệu nguyên tắc này được sử dụng để làm sạch dữ
liệu (tách những thành phần gây nhiễu, không tuân theo quy luật) ra khỏi
dữ liệu để có thể tìm ra quy luật hay một cơ sở tri thức một cách dễ dàng
hơn.
Trong phát triển công nghệ cơ sở dữ liệu thì nguyên tắc này cũng
được sử dụng để làm sạch dữ liệu, tách các thành phần không cần thiết ra
khỏi đối tượng,ra khỏi một lược đồ quan hệ.
4.3 Nguyên tắc sao chép.
Trong phát triển của công nghệ cơ sở dữ liệu thì mỗi công nghệ mới
ra đời đều được kế thừa từ những công nghệ trước đó. Công nghệ sau ra đời
thường có xu hướng tối ưu hơn, giải quyết những vấn đề mới phát sinh từ
những vấn đề cũ.
Khi mà khai phá dữ liệu khác nhau từ những công nghệ khác nhau
thì vẫn phải sử dụng lại những hệ thống cơ sở tri thức (knowledge base)
trước đó để làm nền tảng cho sự phát hiện, thăm dò các mẫu hay tri thức
mới.
4.4 Nguyên tắc phản hồi.
Đối với bất kỳ sự phát triển của một công nghệ thì nguyên tắc này
đóng vai trò quan trọng để đánh giá chất lượng của một dòng sản phẩm đã
được sinh ra. Nhờ áp dụng nguyên tắc này mà công nghệ ngày càng hoàn
thiện hơn và phát hiện ra những thách thức mới cần phải xử lý.
4.5 Nguyên tắc kết hợp

Sự phát triển của công nghệ cơ sở dữ liệu là sự kết hợp của nhiều
ngành khoa học khác nhau như ngành công nghiệp phần cứng, công nghiệp
phần mềm, khoa học từ các ngành toán, lý để phát triển một toàn diện và
đồng bộ.
Trong khai phá dữ liệu thì một hệ thống có thể được tích hợp để khai
phá nhiều loại dữ liệu khác nhau từ người dùng như vậy nó sẽ phải kết hợp
cơ sở tri thức từ những nguồn dữ liệu này để hệ thống hoạt động một cách
hiệu quả nhất.
5. Tổng kết
Đi cùng với sự phát triển của khoa học kỹ thuật thì sự phát triển của công
nghệ dữ liệu đóng vai trò quan trọng trong đời sống kinh tế và xã hội. Với sự rộng
lớn dữ liệu của khoa học dữ liệu thì nảy sinh ra một vấn đề mới là phải phát minh
ra một công cụ có khả năng phân tích dữ liệu, tự động phân loại, tự động tổng hợp
và có thể đưa ra các dự báo có lợi cho người sử dụng. Lúc này khai phá dữ liệu ra
đời (data mining) với vai trò là giải quyết những vấn đề trên. Đây là một ngành
khoa học mới với những thách thức mới đang thu hút được sự quan tâm của nhiều
nhà khoa học.