Recent times have seen an explosive

Recent times have seen an explosive growth in the availability of various kinds of data. It has resulted in an unprecedented opportunity to develop automated data-driven techniques of extracting useful knowledge. Data mining, an important step in this process of knowledge
discovery, consists of methods that discover interesting, non-trivial, and useful patterns hidden in the data [SAD+93, CHY96]. The field of data mining builds upon the ideas from diverse fields such as machine learning, pattern recognition, statistics, database systems, and data visualization. But, techniques developed in these traditional disciplines are often unsuitable
due to some unique characteristics of today’s data-sets, such as their enormous sizes, high-dimensionality, and heterogeneity. There is a necessity to develop effective parallel algorithms for various data miningtechniques. However, designing such algorithms is challenging, and the
main focus of the paper is a description of the parallel formulations of two important data mining algorithms: discovery of association rules,and induction of decision trees for classification. We also briefly discussan application of data mining to the analysis of large data sets collected by Earth observing satellites that need to be processed to better understand
global scale changes in biosphere processes and patterns

Kết quả (Việt) 1:

Thời gian gần đây đã thấy một sự tăng trưởng nổ trong sự sẵn có của các loại khác nhau của dữ liệu. Nó đã dẫn đến một cơ hội chưa từng có để phát triển kỹ thuật theo định hướng dữ liệu tự động trích xuất kiến thức hữu ích. Dữ liệu khai thác mỏ, một bước quan trọng trong quá trình này của kiến thứckhám phá, bao gồm phương pháp khám phá thú vị, không nhỏ và hữu ích mẫu ẩn trong dữ liệu [buồn + 93, CHY96]. Lĩnh vực khai thác dữ liệu xây dựng dựa trên ý tưởng từ các lĩnh vực đa dạng chẳng hạn như máy học tập, công nhận mẫu, số liệu thống kê, Hệ thống cơ sở dữ liệu và dữ liệu kiểu trực quan. Tuy nhiên, kỹ thuật phát triển trong các lĩnh vực truyền thống thường không phù hợpdo một số đặc tính độc đáo của ngày hôm nay của dữ liệu-bộ, chẳng hạn như kích thước rất lớn, chiều cao và heterogeneity của họ. Đó là một điều cần thiết để phát triển hiệu quả các thuật toán song song cho các dữ liệu miningtechniques. Tuy nhiên, thiết kế thuật toán như vậy là đầy thách thức, và cáctrọng tâm chính của giấy là một mô tả về các công thức song song hai thuật toán khai thác dữ liệu quan trọng: khám phá ra quy tắc Hiệp hội, và cảm ứng của cây quyết định xếp hạng. Chúng tôi cũng một thời gian ngắn discussan ứng dụng của khai thác dữ liệu để phân tích các bộ dữ liệu lớn được thu thập bởi trái đất quan sát vệ tinh mà cần phải được xử lý tốt hơn để hiểuphạm vi toàn cầu thay đổi trong quá trình sinh quyển và các mẫu

Kết quả (Việt) 2:

Thời gian gần đây đã thấy sự tăng trưởng bùng nổ trong sự sẵn có của các loại dữ liệu khác nhau. Nó đã dẫn đến một cơ hội chưa từng có để phát triển các kỹ thuật hướng dữ liệu tự động giải nén kiến thức bổ ích. Khai thác dữ liệu, một bước quan trọng trong quá trình này của tri thức
phát hiện, bao gồm các phương pháp khám phá mô hình thú vị, không tầm thường, và ẩn hữu ích trong các dữ liệu [SAD + 93, CHY96]. Các lĩnh vực khai thác dữ liệu xây dựng dựa trên ý tưởng từ các lĩnh vực khác nhau như học máy, nhận dạng mẫu, thống kê, hệ thống cơ sở dữ liệu, và dữ liệu trực quan. Nhưng, các kỹ thuật được phát triển trong các lĩnh vực truyền thống thường không thích hợp
do một số đặc điểm độc đáo của các bộ dữ liệu ngày nay, chẳng hạn như kích thước của chúng rất lớn, cao-chiều, và không đồng nhất. Có một điều cần thiết để phát triển các thuật toán song song hiệu quả cho miningtechniques dữ liệu khác nhau. Tuy nhiên, thiết kế thuật toán như vậy là thách thức, và các
trọng tâm chính của bài báo là một mô tả về công thức song song của hai thuật toán khai thác dữ liệu quan trọng: phát hiện luật kết hợp, và cảm ứng của cây quyết định để phân loại. Chúng tôi cũng áp dụng một thời gian ngắn discussan khai thác dữ liệu để phân tích các bộ dữ liệu lớn được thu thập bởi Trái đất quan sát vệ tinh mà cần phải được xử lý để hiểu rõ hơn về
những thay đổi quy mô toàn cầu trong quá trình sinh quyển và các mẫu