Data Mining methods to detect discrimination patterns along temporal databases

Abstract

In certain Data Analysis tasks, understanding the underlying differences between groups or classes is of the utmost importance. Contrast Set Mining relies on discovering signifi cant patterns by contrasting two or more groups, each pattern being a Contrast Set which is a conjunction of attribute-value pairs that diff er meaningfully in its distribution across groups. One technique proposed is Rules for Contrast Sets (RCS) which seeks to express each Contrast Set found in terms of rules. The main purpose of this work is to extend this approach to a Temporal Data Mining task, developing a set of patterns in order to capture the signi cant changes in the contrasts discovered along the entire timeline considered. To ascertain the proposal accuracy and ability to discover relevant information, it will be applied in two diff erent real-life datasets.

Em determinadas tarefas de Mineração de Dados, perceber as diferenças fundamentais entre grupos ou classes é de extrema importância. Constrat Set Mining baseia-se na descoberta de padrões signi cativos contrastando dois ou mais grupos, onde cada padrão é um Contrast Set, que é uma conjunção de pares atributo-valor que diferem substancialmente na sua distribuição entre os grupos. Uma técnica proposta é o Rules for Contrast Sets (RCS) que procura expressar cada contraste encontrado em termos de regras. O principal propósito deste trabalho é estender esta abordagem a uma tarefa de Temporal Data Mining, desenvolvendo um conjunto de padrões especí cos para capturar as modi - cações signi cativas ao longo da linha temporal estabelecida. Para averiguar a precisão da proposta e a sua capacidade de encontrar informação relevante, ela será aplicada em dois datasets distintos, com dados de situações reais.