ارائه یک روش مبتنی بر هستان شناسی برای کاوش قواعد هم آیی در محیط های توزیع شده چندعاملی DOR: ۲۰.۱۰۰۱.۱.۲۳۲۲۴۳۴۷.۱۴۰۰.۹.۱.۱.۸
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 416
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PADSA-9-1_001
تاریخ نمایه سازی: 22 اردیبهشت 1400
چکیده مقاله:
کاوش قواعد همآیی توزیع شده یکی از روشهای مهم داده کاوی است که وابستگی بین اقلام داده ای را از منابع داده ای غیرمتمرکز، بدون توجه به مکان فیزیکی آن ها و بر مبنای فرآیند استخراج اقلام مکرر استخراج می کند. هنگامیکه الگوریتمهای کاوش روی دادههای بزرگ مقیاس اجرا میشوند، مقدار زیادی اقلام مکرر تولید میگردد که بسیاری از آن ها غیرمرتبط، مبهم و غیرقابل استفاده برای کسب و کار است و سبب بروز چالشی به نام " انفجار ترکیبی" خواهد شد. در این مقاله یک روش ائتلافی جدید مبتنی بر دادهکاوی توزیع شده و هستانشناسی دامنه که به اختصار DARMASO نامیده میشود برای برخورد با این چالش پیشنهاد شده است. این روش از سه الگوریتم به نام ARMASOMAIN جهت هدایت و کنترل فرآیند کاوش و تجمیع قواعد همآیی، DARMASOPRU برای کاهش و هرس داده ها و الگوریتم DARMASOINT برای کاوش و تجمیع قواعد همآیی تولیدشده از منابع دادهای توزیع شده استفاده میکند. DARMASO از یک الگوی محاسباتی توزیع شده مبتنی بر چارچوب نگاشت-کاهش در محیط توزیع شده چندعاملی استفاده میکند. همچنین یک روش عملی را برای کاوش معنایی از مجموعه دادههای بزرگ مقیاس فراهم میکند. این روش، قواعد همآیی را مبتنی بر اهداف دادهکاوی و نیاز کاربر فیلتر کرده و فقط قواعد مفید را تولید و نگهداری میکند.کاهش فضای کاوش و فیلترسازی قواعد، با فرآیند هرس معنایی در قالب حذف نامزدهای نامناسب از مجموعه اقلام مکرر و تولید قواعد همآیی سودمند حاصل میشود. پیاده سازی با استفاده از یک مجموعه دادهای از دامنه حوادث طبیعی و کلاس زمین لرزه انجام شده است. نتایج ارزیابی با استفاده از معیارهای کمی و کیفی نشان میدهد، الگوریتمهای ارائه شده در DARMASO ، فضای کاوش را به میزان قابل توجهی کاهش میدهد. همچنین سرعت و کیفیت استخراج قواعد را بهبود بخشیده و قواعد کاربردی، مطمئن، منطقی، با کیفیت و ارزشمندی را برای پشتیبانی از تصمیم گیری از میان انبوه دادهها تولید میکند.
کلیدواژه ها:
نویسندگان
حسین صابری
دانشگاه جامع امام حسین(ع)
محمدرضا کنگاوری
دانشیار دانشگاه علم و صنعت ایران
محمد رضا حسنی آهنگر
دانشگاه جامع امام حسین(ع)
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :