Knowledge Extraction in Big Data era: Veracity and Value Challenges

With the Big Data explosion, companies have the opportunity to access a massive amount of data that can improve their efficiency in terms of decisionmaking, adopted solutions, customer care, and so on. By conveniently structuring the Knowledge Extraction processes, companies can easily convert information into opportunities. However, in continuously evolving contexts, a significant analysis should be dedicated to the data quality assessment to deal with unreliable information. Furthermore, designed decision-making solutions should be aware of data drift and (re)adapt themselves along their lifecycle. In this sense, the thesis work proposes Data Mining methodologies that take into account Veracity and Value challenges underlying Big Data. The meaning of Veracity in the context of Big Data concerns with the truthful of a data set and how trustworthy the data source, type, and processing is…

Con l'esplosione dei Big Data, le aziende hanno l'opportunità di accedere a un'enorme quantità di dati che possono migliorare la loro efficienza in termini di processo decisionale, soluzioni adottate, assistenza clienti e così via. Strutturando opportunamente i processi di Estrazione della Conoscenza, le aziende possono convertire facilmente le informazioni in opportunità. Tuttavia, in contesti in continua evoluzione, un'analisi significativa dovrebbe essere dedicata alla valutazione della qualità dei dati per trattare informazioni inaffidabili. Inoltre, le soluzioni decisionali progettate dovrebbero essere consapevoli della deriva dei dati e (ri)adattarsi lungo il loro ciclo di vita. In questo senso, il lavoro di tesi propone metodologie di Data Mining che tengono conto delle sfide di Veracity e Value alla base dei Big Data. Il significato di Veracity nel contesto dei Big Data riguarda la veridicità di un set di dati e quanto siano affidabili l'origine, il tipo e l'elaborazione dei dati…