استخراج قوانین مکرر در داده های جریانی با استفاده از یادگیری تقویتی

مدیریت دادههای خام و تبدیل دادههای خارجی و داخلی سازمان به اطلاعات و دانش با استفاده از تکنیک بسیار مورد های گوناگون , اهمیت می از تکنیک .باشد های معروف در این زمینه دادهکاوی - است، که میتواند بر روی بانکهای اطلاعاتی و دادههای جریانی انجام شود و دانش مورد نیاز را بدست آورد. دادههای جریانی یکی از پدیدههای نو ظهور در دنیای اطلاعات و دادهکاوی میباشند کهدنبالهای از نمونههای xn,...,x1 است، که باید به ترتیب مورد دسترسی قرار گرفته و میتوان تنها یکبار یا تعداد بسیار کمی آن را . خواند. کاوش قوانین و الگوهای مکرریکی از موضوعات بسیار مهم و مورد تمرکز در پژوهشهای انجام شده در حوزه داده کاوی در طول یک دهه اخیر بوده است. در یک توالی، علاوه بر آیتمها، ترتیب زمانی به کار رفتن (روی دادن آنها) در یک تراکنش مهم است، استخراج الگوهای مکرر برای روابط در محدوده زمانی معین در مجموعه دادهی معین جستجو میشود. مقالهدر این برای رسیدن به اهدافمان از یادگیری تقویتی که نوعی یادگیری ماشین /است استفاده کردهایم که اگر بخواهیم تعریفی برای آن ارایه دهیم باید بگوییم: یادگیری ماشین عبارت است از برنامهریزی کامپیوترها به منظور بهبود یک معیار کارایی تعریف شده با استفاده از دادههای موجود یا تجارب گذشته . یادگیری تقویتی: نوعی یادگیری ماشین است که در آن عامل هوشمند با استفاده از تعامل با محیط پویا، رفتار خود را بهبود میبخشد .در آخر مشاهده می 1شود که : - های جریانداده ی به دلیل ماهیت پیوستگی آنها توانندیم با روش یادگیری تقویتی بهتر مورد کاوش قرارمیگیرند2-روش یادگیری تقویتی تواندیم قوانین تکراری را در دادههای جریانی با دقت بالاتری تشخیص دهد.

کلیدواژه ها:

دادهکاوی ، دادههای جریانی ، یادگیری ماشین ، یادگیری تقویتی ، الگوهای مکرر ، قوانین مکرر