元规则在数据挖掘中有何作用?
数据挖掘是指通过传输存储库中存储的大量数据，运用模式识别技术(包括统计和数学方法)来发现有用的新关联、模式和趋势的过程。它通过分析事实数据集来发现意料之外的关系，并以新颖的方法对记录进行汇总，这些方法既合乎逻辑，又对数据所有者有用。
它是一个选择、探索和建模大量信息的过程，旨在发现最初未知的规律或关系，从而为数据库所有者获得清晰且有益的结果。
数据挖掘类似于数据科学。它由一个人在特定情况下，针对特定数据集，带着特定目标进行操作。此阶段包含多种类型的服务，包括文本挖掘、Web 挖掘、音频和视频挖掘、图像数据挖掘以及社交媒体挖掘。它可以通过简单或高度专用的软件完成。
Metarules 允许用户定义参与挖掘的规则的语法形式。规则形式可以用作约束，以提高挖掘阶段的效率。Metarules 可以基于分析师的经验、期望或对数据的直觉，也可以根据数据库模式自动生成。
Metarule 引导的挖掘 − 假设作为 AllElectronics 的市场分析师，它可以访问定义客户的数据(包括客户年龄、地址和信用评级)以及客户交易列表。
它可以发现客户特征与客户购买商品之间的关联。然而，它并不寻找反映这些关系的关联规则，而只关心哪些客户特征对能够促进办公软件的销售。
此类元规则的一个例子是
P1(X, Y)∧ P2(X, W) ⇒ buys(X, “office software”)
其中 P1 和 P2 是在挖掘阶段实例化为给定数据库中属性的谓词变量，X 是定义客户的变量，Y 和 W 分别取分配给 P1 和 P2 的属性值。
通常，用户可以定义一个属性列表，以便用 P1 和 P2 进行实例化。因此，可以使用默认集合。
通常，元规则会形成一个假设，该假设与用户感知或确认的关系有关。数据挖掘系统可以搜索连接给定元规则的规则。例如，
age(X, “30...39”)∧income(X, “41K...60K”) ⇒ buys(X, “office software”)
