کشف انجمن ها در شبکه های اجتماعی با استفاده از الگوریتم هوشمند و منطق فازی

کشف قوانین انجمنی یکی از زمینه های مهم داده کاوی است که در مسایل مهمی همانند تجارت، مدیریت، کسب و کار و... کاربردهای فراوانی دارد. اهمیت یافتن وابستگی بین ویژگیهای رکوردهای دیتاست در حوزه داده کاوی و کشف الگوهای موجود بین داده ها روز به روز در حال گسترش است. در یک فروشگاه برای اینکه رضایتمندی بیشتر مشتریان را بدست آورد، باید اقلام داده ای که در سبدهای خرید پرتکرار وجود دارند را در کنار یکدیگر قرار داد و یا با توجه به قوانین انجمنی استخراج شده با توجه به خریدی که مشتریان در حال انجام آن هستند کالاهایی را به آنها پیشنهاد داد که با احتمال بالاتری مشتری به آنها علاقه دارد. تعداد چهار دیتاست مورد بررسی قرا گرفت که برای هر دیتاست، در دو حالت مختلف نتایج Support و Confidence بدست آمد. از شبیه ساز RapidMiner برای استخراج این نتایج بهره گرفته شد. در نهایت، قوانین فازی را به شکل مجموعه های مشخص تعریف گردید که میتوانند برای نتایج بدست آمده از الگوریتم FP-Growth مورد استفاده قرار بگیرند. برای مقادیر بدست آمده، سه مجموعه فازی در نظر گرفته شد که به ترتیب Low، Medium، و High نامیده می شوند. با توجه به اینکه کران پایین و بالای بازه مقادیر بدست آمده از خروجی الگوریتم FP-Growth و Apriori برای هر دیتاست در دو آزمایش مختلف بدست آمد که در ارزیابی به عمل آمده در محاسبه دو معیار حداقل میزان پشتیبانی و حداقل میزان اطمینان الگوریتم FP-Growth نتایج بهتری را به دنبال داشت.

Keywords:

شبکه اجتماعی , قوانین انجمنی , وابستگی داده , حداقل پشتیبان , قوانین فازی