ارایه راه حل سیستم های پیچیده ی داده کاوی و استخراج اطلاعات با استفاده از مدل گرافی

کیفیت داده در سازماندهی اطلاعات یک موضوع مهم است. رشد سریع مقدار و پیچیدگی هایتکنولوژی مربوط به پایگاه داده و ذخیره اطلاعات می تواند تصمیمات مدیریتی را راحت تر کند؛ باتوجه به مزایای بسیار این روش، یک چالش بزرگ نیز وجود دارد که مانع رسیدن به اهداف موردنظرمی شود، این چالش کیفیت داده است. چندین روش کاربردی شامل الگوریتم ها و تکنیک ها وجوددارند که مشکلات گوناگون موجود را حل کرده و کیفیت داده را بالاتر می برند. این روشها تاحدودی به حل مشکلات کیفیتی کمک می کنند، اما خود محدودیت هایی به ویژه برای داده های کم-یاب و پرت به وجود می آورد اینگونه داده کاوی سنتی بیشتر برای مقادیر مکرر و متمرکز بوده ودقت مناسب و الگوریتم مطلوب برای اینگونه داده ها ایجاد می کند. ولی برای داده های کمیاب اینراه حل، کارآمدی کافی برای تشخیص خودکار را ندارد. این پژوهش یک نمونه اولیه جدید وتوانمند برای ارتقای کیفیت در داده های کمیاب را معرفی می کند. این روش، مشکلات داده کمیابرا برای تشخیص، ارزیابی و تعیین مقدار موجود یافته و با استفاده از تکنیک های جدید براساساستخراج دانه ای (granule) به جای استخراج رابطه ای را می توان براساس تیوری جدول تصمیم-گیری ها را ارایه دهد. روش ارایه شده نوآورانه بوده و قابلیت دارد که در زمان و هزینه ارزیابی داده هایکمیاب صرفه جویی کند. در تمام تست ها این روش تشخیصی برای داده های کمیاب موثر بوده ودرنتیجه می توان کیفیت داده را با این روش به طور مداوم اتوماتیک یا (نیمه خودکار) ارزیابی کرد.

کلیدواژه ها:

داده کاوی ، استخراج داده ، مدل گرافی