یک مطالعه جامع در مورد اثرات استفاده از تکنیک های داده کاوی برای پیش بینی توانایی رابطه
Publish place: کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 744
This Paper With 17 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_109
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
استفاده از شبکه های اجتماعی به طرز محسوسی در سال های اخیر رشد کرده است و این واقعیت به تولید حجم های متعدد از اطلاعات هستند. داده هایی را که به طور گسترده ای توسط کاربران بر روی سایت های رسانه های اجتماعی استفاده می شود بسیار بزرگ، پر سر و صدا، بدون ساختار و پویا هستند. ارائه یک چارچوب و روش انعطاف پذیر برای استفاده در تمام این شبکه ها, می تواند راه حل کامل باشد. این عدم قطعیت ناشی از پیچیدگی تصمیم گیری در به رسمیت شناختن توانایی رابطه در میان مردم پژوهشگران را به دنبال عوامل موثر از صمیمیت میان مردم است. از آنجا که چند متغیر موثر است که نرخ اثر خود را دقیقا مشخص نشده وجود دارد و روابط آنها غیر خطی و پیچیده هستند، با استفاده از تکنیک های داده کاوی می توان به عنوان یکی از راه حل های عملی برای این مشکل در نظر گرفته شود. برخی از انواع روش استخراج بدون نظارت در زمینه تشخیص نوع رابطه انجام شده است. داده کاوی می تواند به عنوان یکی از ابزارهای قابل استفاده برای محققان در بررسی روابط بین کاربران در این مقاله، مشکل پیش بینی توانایی رابطه به عنوان یک مشکل داده کاوی که روش های مختلف استخراج تحت نظارت شده و نظارت نشده قابل اجرا می باشد مدل شده است. ما پیشنهاد می کنیم یک مطالعه جامع در مورد اثرات استفاده از تکنیک های طبقه بندی مختلف از جمله درختان تصمیم، ساده و بی تکلف بیز و غیره؛ انجام دهید. علاوه بر این به برخی از روش های طبقه بندی گروه مانند کیسه و روش بالا بردن قدرت برای پیش بینی رابطه از کاربران از یک شبکه اجتماعی مطالعه انجام شود. شبکه اجتماعی LinkedIn به عنوان یک مطالعه موردی واقعی استفاده می شود و نتایج تجربی ما را بر روی داده های استخراج آن ارائه شده است. چندین مدل، بر اساس تکنیک های اساسی و روش گروه ایجاد شده و بازده آنها در مقایسه بر اساس اندازه گیری نوع F، دقت، و میانگین زمان اجرا نمایش داده شده است. نتایج تجربی ما نشان می دهد که، مدل مشخصات رفتاری ما از دقت بسیار بهتر در مقایسه با تکنیک های مدل های مبتنی بر مشخصات داده نمایش می دهد.
Keywords:
Authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :