Duomenų gavybos technologijų taikymas internetinio piratavimo duomenims klasifikuoti

Abstract

Baigiamajame magistro darbe nagrinėjamos internetinio piratavimo priežastys, teisiniai instrumentai ir autorių teisių gynimo būdai. Pirmoje analitinėje dalyje pateikiama įstatymų, kurie gina autorių teises Lietuvoje ir pasaulyje, apžvalga. Glaustai apžvelgiami dažniausiai pasitaikantys pažeidimų tipai ir kaip P2P tinkluose vyksta piratavimas. Antrajame analitinės dalies skyriuje nagrinėjamos duomenų gavybos technologijos. Analizuojamos MS programinės įrangos galimybės, kuri buvo pasirinkta duomenų gavybos modeliams kurti. Praktinėje dalyje kuriamas duomenų gavybos modelis, kuris sprendžia P2P duomenų klasifikavimo uždavinį. Modelio tikslas – nufiltruoti duomenis, kurie nėra tinkami tolesniam apdorojimui. Modelis kuriamas pagal CRISP-DM duomenų gavybos metodologiją. Naudojamos duomenų ir tekstinių duomenų gavybos technologijos. Modeliui apmokyti ir testuoti naudojami iš P2P tinklų surinkti duomenys. Darbo pabaigoje pateikiamos baigiamojo darbo išvados. Darbą sudaro 6 dalys: įvadas, autorių teisių apžvalga, duomenų gavybos technologijų analizė, duomenų gavybos modelio kūrimas, išvados ir literatūros sąrašas. Darbo apimtis – 55 p. teksto be priedų, 15 pav., 2 lent., 33 bibliografiniai šaltiniai.

In this master thesis are examined online piracy causes, legislative measures and ways of defending copyright. First analytical part provides a review of the laws, which are defending copyright in Lithuania and other states of the World. Also, there is a brief review of common infringement types and how piracy is working in P2P networks. Second part analyses capabilities of MS software, which was used for data mining model creation. Project part describes how data mining model was created, which is solving a task of P2P data classification. A goal of the model is to filter out data, which is not useful for further processing. Model creation was based on CRISP-DM data mining methodology. In the project were used data and text mining technologies. For model training and testing were used data collected from P2P networks. At the end of the paper there are conclusions. The master thesis consists of 6 parts: introduction, copyright review, analysis of data mining technologies, data, creation of data mining model, conclusions and references. Work size: 55 p. text without appendixes, 15 fig., 2 tab., 33 references.