ارائه یک روش مبتنی بر هستان شناسی برای کاوش قواعد هم آیی در محیط های توزیع شده چندعاملی DOR: ۲۰.۱۰۰۱.۱.۲۳۲۲۴۳۴۷.۱۴۰۰.۹.۱.۱.۸

کاوش قواعد هم­آیی توزیع شده یکی از روش­های مهم داده کاوی است که وابستگی بین اقلام داده ای را از منابع داده ای غیرمتمرکز، بدون توجه به مکان فیزیکی آن ها و بر مبنای فرآیند استخراج اقلام مکرر استخراج می کند. هنگامی­که الگوریتم­های کاوش روی داده­های بزرگ مقیاس اجرا می­شوند، مقدار زیادی اقلام مکرر تولید می­گردد که بسیاری از آن ها غیر­مرتبط، مبهم و غیر­قابل استفاده برای کسب و کار است و سبب بروز چالشی به نام " انفجار ترکیبی" خواهد شد. در این مقاله یک روش ائتلافی جدید مبتنی بر داده­کاوی توزیع شده و هستان­شناسی دامنه که به اختصار DARMASO نامیده می­شود برای برخورد با این چالش پیشنهاد شده است. این روش از سه الگوریتم به نام  ARMASOMAIN  جهت هدایت و کنترل فرآیند کاوش و تجمیع قواعد هم­آیی، DARMASOPRU برای کاهش و هرس داده ها و الگوریتم DARMASOINT برای کاوش و تجمیع قواعد هم­آیی تولیدشده از منابع داده­ای توزیع شده استفاده می­کند. DARMASO از یک الگوی محاسباتی توزیع شده مبتنی بر چارچوب نگاشت-کاهش در محیط توزیع شده چندعاملی استفاده می­کند. همچنین یک روش عملی را برای کاوش معنایی از مجموعه داده­های بزرگ مقیاس فراهم می­کند. این روش، قواعد هم­آیی را مبتنی بر اهداف داده­کاوی و نیاز کاربر فیلتر کرده و فقط قواعد مفید را تولید و نگهداری می­کند.کاهش فضای کاوش و فیلترسازی قواعد، با فرآیند هرس معنایی در قالب حذف نامزدهای نامناسب از مجموعه اقلام مکرر و تولید قواعد هم­آیی سودمند حاصل می­شود. پیاده سازی با استفاده از یک مجموعه داده­­­ای از دامنه حوادث طبیعی و کلاس زمین لرزه انجام شده است. نتایج ارزیابی با استفاده از معیارهای کمی و کیفی نشان می­دهد، الگوریتم­های­ ارائه شده در DARMASO ، فضای کاوش را به میزان قابل توجهی کاهش می­دهد. همچنین سرعت و کیفیت استخراج قواعد را بهبود بخشیده و قواعد کاربردی، مطمئن، منطقی، با کیفیت و ارزشمندی را برای پشتیبانی از تصمیم گیری از میان انبوه داده­ها تولید می­کند.

Keywords:

قواعد هم آیی , هستان شناسی , سامانه های چندعاملی , نگاشت کاهش