Temporal data mining may be defined

Temporal data mining may be defined as looking for correlations
or patterns of interest in large sets of temporal data accumulated
for other purposes [9]. It has the capabilities of mining
activity, inferring associations of contextual and temporal proximity,
some of which may also indicate a cause-effect association.
Such important knowledge may be overlooked when the temporal
component is ignored or treated as a simple numeric attribute [36].
Usually, data mining tasks are classified as descriptive or predictive.
However, in temporal mining, this distinction is less appropriate
because the evolution of the population is self-evident in the
temporal properties of the data being analyzed. Data mining has
received contributions from many different disciplines, including
databases, machine learning and statistics. However, in the field
of temporal data mining (viewed as an extension of classical or
non-temporal mining), the most influential field is Artificial Intelligence,
because its contributions to the techniques of representation
and temporal reasoning have guided much of its development.

Kết quả (Việt) 1:

Khai thác dữ liệu thời gian có thể được định nghĩa là tìm kiếm mối tương quanhoặc mô hình của sự quan tâm lớn bộ dữ liệu thời gian tích lũycho các mục đích [9]. Nó có khả năng khai thác mỏhoạt động, suy luận Hiệp hội theo ngữ cảnh và thời gian nằm gần,một số trong đó cũng có thể chỉ ra một hiệp hội gây ra-có hiệu lực.Kiến thức quan trọng như vậy có thể bị bỏ qua khi các thời gianthành phần bỏ qua hoặc được coi là một thuộc tính số đơn giản [36].Thông thường, dữ liệu khai thác nhiệm vụ được phân loại là mô tả hoặc tiên đoán.Tuy nhiên, trong thời gian khai thác, sự phân biệt này là ít thích hợpbởi vì sự tiến triển của dân số là tự hiển nhiên trong cácthời điểm hóa thạch thuộc tính của các dữ liệu được phân tích. Khai thác dữ liệu đãnhận được sự đóng góp của nhiều ngành học khác nhau, bao gồm cảcơ sở dữ liệu, Máy học và thống kê. Tuy nhiên, trong trườngcủa khai thác dữ liệu thời gian (được xem như là một phần mở rộng của cổ điển hoặcPhòng Không thời gian khai thác), những lĩnh vực có ảnh hưởng là trí tuệ nhân tạo,bởi vì những đóng góp của mình để các kỹ thuật của đại diệnvà thời gian lý luận có hướng dẫn phần lớn của nó phát triển.

Kết quả (Việt) 2:

Khai thác dữ liệu theo thời gian có thể được định nghĩa là tìm kiếm mối tương quan
hay mô hình quan tâm trong bộ lớn các dữ liệu tạm thời tích lũy
cho các mục đích khác [9]. Nó có khả năng khai thác
hoạt động, suy luận của các hiệp hội theo ngữ cảnh và gần thời gian,
một số trong đó cũng có thể chỉ ra một mối liên hệ nhân-quả.
kiến thức quan trọng như vậy có thể được bỏ qua khi thời
thành phần được bỏ qua hoặc điều trị như một thuộc tính số đơn giản [36] .
Thông thường, nhiệm vụ khai thác dữ liệu được phân loại như mô tả hoặc tiên đoán.
Tuy nhiên, trong thời gian khai thác, sự khác biệt này là ít phù hợp
vì sự phát triển của dân số là hiển nhiên trong các
thuộc tính thời gian của dữ liệu được phân tích. Khai thác dữ liệu đã
nhận được sự đóng góp từ nhiều lĩnh vực khác nhau, bao gồm cả
cơ sở dữ liệu, máy học và thống kê. Tuy nhiên, trong lĩnh vực
khai thác dữ liệu về thời gian (được xem như là một phần mở rộng của nhạc cổ điển hoặc
khai thác không thời gian), các lĩnh vực có ảnh hưởng nhất là Artificial Intelligence,
vì những đóng góp của mình cho các kỹ thuật của đại diện
và lý luận thời gian đã hướng dẫn nhiều phát triển của nó.