استفاده از تکنیک های داده کاوی جهت بررسی عوامل موثر در ابتلاء به اعتیاد، نوع و بازه زمانی مصرف مواد مخدر

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,077

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CECCONF05_022

تاریخ نمایه سازی: 1 دی 1397

چکیده مقاله:

اعتیاد به مواد مخدر موجب تهدید ساختارهای اجتماعی، اقتصادی و فرهنگی شده و باعث گسترش بیماریهای چون ایدز و هپاتیت میگردد. به کمک دادهکاوی میتوان به کشف دانش در داده ها پرداخت و از نتایج آن به عنوان سیستم پشتیبان تصمیم گیری در زمینه ی پیش بینی و درمان اعتیاد استفاده نمود. جامعه آماری در این پژوهش مجموعه داده Drug از سایت UCI است که شامل 1884 پاسخ دهنده، و جهت بررسی رفتارهای اجتماعی براساس نتایج تست 5 عامل شخصیت میباشد که شامل 32 متغیر و 7 بازه زمانی مصرف مواد مخدر میباشد. هدف این پژوهش کاربرد الگوریتم های داده کاوی جهت پیش بینی و دسته بندی افراد معتاد بر حسب نوع ماده یا مواد مخدر مصرفی و زمان ابتلاء به آنها است. روش بررسی توصیفی بوده و تحلیل داده ها به کمک نرم افزارهای داده کاوی Rapidminer 7.0 و WEKA انجام شده است. همچنین تکنیک های دسته بندی درخت تصمیم، -kنزدیکترین همسایگی، بیز ساده و قوانین انجمنی مورد استفاده قرار گرفته اند. با توجه به نتایج قوانین درخت تصمیم ویژگیهای دموگرافیک شخص معتاد عامل تاثیرگذار نمی باشند و نمرات بالاتر برای آزمون بیثباتی هیجانی و باز بودن بیشترین تاثیر بر مصرف مواد مخدر و نمرات پایینتر برای توافق و وجدانی بودن کمترین میزان تاثیر را داشتهاند. و با توجه به نتایج الگوریتم FP-GROWTH بین مواد مصرفی مثل شاهدانه و نیکوتین رابطه مستقیمی وجود دارد. ارزیابی کیفیت دسته بندی از طریق اعتبار سنجی cross، و بهترین نتایج با دقت بیش از 80٪ برای مصرف مواد شاهدانه، اکستازی، الکل، کوکایین به دست آمده است.

نویسندگان

فاطمه اسلامی باباحیدری

موسسه آموزش عالی چهلستون

بیژن شوشتریان

دانشگاه اصفهان

مهرآفرین آدمی

موسسه آموزش عالی چهلستون