بررسی روشهای دسته بندی و گروه بندی قوانین تداعی
محل انتشار: چهارمین کنفرانس داده کاوی ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,094
فایل این مقاله در 15 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:
IDMC04_122
تاریخ نمایه سازی: 15 دی 1389
چکیده مقاله:
یکی از تکنیکهای موجود در زمینه داده کاوی قوانین تداعی هستند اگر بخواهیم تعریفی اولیه از این تکنیکها داشته باشیم باید بگوییم: اغلب مشاهده می شود که یک وابستگی نزدیک بین مجموعه ای از داده های معین وجوددارد بنابراین قوانین تداعی که گاهی اوقات به آنها قوانین وابستگی و یا قوانین انجمنی نیز می گویند برای تولید الگوهای جدید در بین داده ها ساخته و بکار گرفته می شوند همچنین روشهایی برای بدست اوردن روابط غیرقابل انتظار بین داده ها که منجر به استخراج اطلاعات مفید دراین میان می گردد و این اطلاعات بصورت یکسری قوانین بین می شود یک مسئله مهم در استخراج قوانین وابستگی تعداد زیادی قوانینی است که ازروی مجموعه داده های موجود تولید می شوند که این امر انالیز و استفاده از آنها را برای کاربران تفسیر آنها و واکنش در مقابل آنها را مشکل می سازد. مخصوصا به این علت که بسیاری از این قوانین تولید شده اضافی و تکراری هستند و یا بعضی از قوانین شامل قوانین دیگر نیز هستند به همین دلیل روشهایی برای دسته بندی و گروه بندی این قوانین ارائه شده است که این روشها یا با استفاده از فرمول ها و روشهای ریاضی و اماری یا روشهای موضوعی که از دخالت شخص خبره بهره می گیرند و یا تلفیق هر دو اینها قونین را در گروه و دسته معینی قرار می دهند.
کلیدواژه ها:
قوانین تداعی ، خوشه بندی ، افزونگی ، بهبود بهینه ، شبکه معنا ، کلاسترینگ سلسله مراتبی ، هرس کردن ، قانون پوشش ، موضوع محور ، شی محور
نویسندگان
منیژه عباسی
کارشناس ارشد هوش مصنوعی و رباتیک دانشگاه علم و صنعت
بهروز مینایی
استادیار دانشگاه علم و صنعت