بررسی استفاده از شبکه بیزین در اثر گذاری سطح تحصیلات کاربران بر میزان تمایل کاربران به اشتراک دانش در شبکه اجتماعی اینستاگرام

دانش اساسا به وسیله انسان ها خلق می شود و تلفیقی از درک و تفکر با استفاده از اطلاعات است، در حالی که اطلاعات، مجموعه ای از داده های پردازش شده در زمینه ای خاص است. در این مقاله یادگیری طبقه بندی ها بر اساس شبکه های بیزین بیان شد. طبقه بندی مشخص کردن برچسب کلاس برای نمونه ها بر اساس مجموعه ای از ویژگی ها است. ما الگوریتم هایی را برای یادگیری ۴ نوع از طبقه بندی های شبکه بیزین بررسی شد. طبقه بندی هایی که برای یادگیری از الگوریتم هایی بر اساس CL(Conditional Dependency) استفاده می کنند، قابل رقابت با بهترین طبقه بندی های شناخته شده هستند. زمان محاسباتی برای یادگیری و استفاده از این نوع طبقه بندی ها نسبتا کم است و سزاوار توجه بیشتر در داده کاوی و یادگیری ماشین است. همچنین ساختار جدیدی به نام Partial Bayesian Network را بیان شد که مقایسه کارایی PBN با TAN و Naive-Bayer نشان می دهد. برای انجام این آزمایش ها از شبکه ASIA، [ALARM-ICU]و INSURANCE استفاده کرده ایم. کلیه شبیه سازی ها در Matlab صورت گرفته است.

کلیدواژه ها:

شبکه های اجتماعی ، اینستاگرام ، دانش ، فناوری اطلاعات