Database Summarization: Application to a Commercial Banking Data Set

In this paper, an original approach to database summarization is applied to a massive data set provided by a bank marketing department. The summarization process is based on an incremental and hierarchical conceptual clustering algorithm, building a summary hierarchy from database records. Levels of the hierarchy provides some views with different granularities over the entire database. Each summary describes part of the data set. Furthermore, the fuzzy set-based representation of summaries allows the system to ensure a strong robustness and accuracy regarding the well-known threshold effect of the crisp clustering methods. The summarization process is also supported by some background knowledge, providing a user-friendly vocabulary to describe summaries with a high-level semantics. Even though our method is not immediately concerned with computational performance, its low time and memory requirements makes it appropriate for large real-life databases. The scalability of the process is demonstrated through the application on a banking data set. RÉSUMÉ. Dans cet article, une approche originale du résumé de données est appliquée à une base réelle du service marketing d’un groupe banquaire. Le processus de résumé se fonde sur un algorithme de formation de concepts hiérarchique et incrémental. Les niveaux de la hiérarchie proposent des vues avec différentes granularité de l’intégralité de la base. Chaque résumé décrit une partie des données de l’ensemble de départ. La représentation des résumés basée sur la théorie des ensembles flous donne au système une forte robustesse et bonne précision, évitant le fameux effet de seuil des méthodes non-floues de clustering. Le processus de résumé repose également sur une base de connaissances préalable qui permet une description des données dans le vocabulaire de l’utilisateur avec un haut niveau sémantique. Quoique notre méthode ne soit pas immédiatement concernée par les problèmes de performance, sa complexité linéaire et ses faibles besoins en ressource mémoire lui permette d’envisager le traitement de grands ensemble de données réelles, ainsi que le montre l’application présentée.