اكتشاف الأنماط الأمثل K

📅 آخر تحديث: ٢٩ يوليو ٢٠٢٦
✍️ نُشر في: ٢٩ يوليو ٢٠٢٦
الموسوعة الحرة

يُعد اكتشاف الأنماط الأمثل K تقنية لاستخراج البيانات توفر بديلاً لنهج اكتشاف الأنماط المتكررة الذي تقوم عليه معظم تقنيات تعلم قواعد الارتباط .

تُحدد تقنيات اكتشاف الأنماط المتكررة جميع الأنماط التي تتوافر لها أمثلة متكررة كافية في بيانات العينة . في المقابل، تُحدد تقنيات اكتشاف الأنماط الأمثل k الأنماط التي تُحسّن مقياسًا مُحددًا من قِبل المستخدم. ويُحدد المستخدم أيضًا قيمة المعامل k .

تتضمن أمثلة تقنيات اكتشاف الأنماط المثلى k ما يلي:

  • اكتشاف قاعدة التصنيف الأمثل k. [ 1 ]
  • اكتشاف المجموعة الفرعية الأمثل k. [ 2 ]
  • إيجاد أكثر الأنماط إثارة للاهتمام باستخدام أخذ العينات المتسلسلة. [ 3 ]
  • استخراج أنماط مغلقة متكررة من أعلى k بدون حد أدنى للدعم. [ 4 ]
  • اكتشاف القواعد الأمثل k. [ 5 ]

على عكس تقنيات اكتشاف القواعد الأمثلية k وتقنيات استخراج الأنماط المتكررة، يركز اكتشاف المجموعات الفرعية على استخراج الأنماط المهمة المتعلقة بخاصية مستهدفة محددة. يشمل ذلك، على سبيل المثال، السمات الثنائية أو الاسمية أو العددية، [ 6 ] بالإضافة إلى مفاهيم مستهدفة أكثر تعقيدًا مثل الارتباطات بين عدة متغيرات. غالبًا ما يمكن تطبيق المعرفة الأساسية [ 7 ] ، مثل القيود والعلاقات الأنطولوجية، بنجاح لتركيز نتائج الاكتشاف وتحسينها.

مراجع

  1. ↑ ويب، جي آي (1995). أوبوس: خوارزمية مقبولة فعالة للبحث غير المرتب. مجلة أبحاث الذكاء الاصطناعي ، 3، 431-465.
  2. ↑ وروبل، ستيفان (1997) خوارزمية لاكتشاف المجموعات الفرعية متعددة العلاقات. في وقائع الندوة الأوروبية الأولى حول مبادئ استخراج البيانات واكتشاف المعرفة . سبرينغر.
  3. ↑ شيفر، ت.، ووربل، س. (2002). إيجاد الأنماط الأكثر إثارة للاهتمام في قاعدة البيانات بسرعة باستخدام أخذ العينات المتسلسلة. مجلة أبحاث تعلم الآلة ، 3، 833-862.
  4. ↑ هان، ج.، وانغ، ج.، لو، ي.، وتزفيتكوف، ب. (2002) استخراج الأنماط المغلقة الأكثر تكرارًا من بين أعلى k نمط بدون دعم أدنى. في وقائع المؤتمر الدولي حول استخراج البيانات ، ص 211-218.
  5. ↑ ويب، جي آي، وتشانغ، إس. (2005). اكتشاف القواعد الأمثل K. استخراج البيانات واكتشاف المعرفة ، 10(1)، 39-79.
  6. ↑ كلوسجن، و. ( 1996). "إكسبلورا: مساعد اكتشاف متعدد الأنماط والاستراتيجيات". التقدم في اكتشاف المعرفة واستخراج البيانات . ص 249-271 . تاريخ الاسترجاع: 14 أبريل 2021 . 
  7. ↑ أتزمولر، مارتن؛ بوب، فرانك؛ بوشر، هانز-بيتر (1 أغسطس 2005). "استغلال المعرفة الأساسية لاكتشاف المجموعات الفرعية كثيفة المعرفة" (ملف PDF) . وقائع المؤتمر الدولي المشترك التاسع عشر حول الذكاء الاصطناعي . دار مورغان كوفمان للنشر. الصفحات 647-652 .