ارایه روشی جدید با استفاده از مدل گراف جهت استخراج اطلاعات big data

داده کاوی یک اصطلاح برای توصیف تکنیک های آماری، هوش مصنوعی، هوش محاسباتی ومدیریت پایگاه داده است که در کشف و استخراج اطلاعات از مجموعه بزرگ داده به صورتاتوماتیک استفاده می شود. بسیاری از مشکلات در داده کاوی در اثر محدودیت ورودی اعداد و آنالیزگرافها به وجود می آید و با استفاده از یک روش پیشنهادی می توان در روش داده کاوی تحولی ایجادکرد. این تحولات می تواند زمینه تحقیق در یک سیستم به صورت تسهیل شده را فراهم کند.در اینپایان نامه، روشی برای آنالیز سیستم های پیچیده مبتنی بر محاسبات گروهی گره ها می باشد، این ایده ازاینجا آمده که در یک سیستم روابط منحصر به فردی وجود دارد که با درک این روابط پیچیدهمی توان درک یک سیستم را راحت تر انجام داد. این پژوهش یک نمونه اولیه جدید و توانمند برایارتقای کیفیت در داده های کمیاب را معرفی می کند. این روش، مشکلات داده کمیاب را برایتشخیص، ارزیابی و تعیین مقدار موجود یافته و با استفاده از تکنیک های جدید براساس استخراجدانه ای (granule) به جای استخراج رابطه ای را می توان براساس تیوری جدول تصمیم گیری ها را ارایهدهد. روش ارایه شده نوآورانه بوده و قابلیت دارد که در زمان و هزینه ارزیابی داده های کمیاب صرفه-جویی کند. در تمام تست ها این روش تشخیصی برای داده های کمیاب موثر بوده و درنتیجه می توانکیفیت داده را با این روش به طور مداوم اتوماتیک یا (نیمه خودکار) ارزیابی کرد.

Keywords:

داده کاوی , استخراج داده , پایگاه داده , مدل گرافی , big data