شناسايي رانش مفهوم در جريان داده و افراز فضاي داده به مفاهيم مجزا

Identifying the concept drift in the data flow and dividing the data space into separate concepts

بخش عظيمي از دنياي تكنولوژي امروز را سيستم هاي اطلاعاتي تشكيل داده اند كه با جرياني پيوسته و سريع از داده كار مي كنند(جريان داده). رانش مفهوم يا تغيير توزيع داده در گذر زمان پديده اي ذاتي در جريان داده است و اصلي ترين دليل كاهش اثر بخشي سيستم هاي مبتني بر استخراج اطلاعات از داده شناخته شده است. در اين مقاله با استفاده از يك روش شناسايي رانش مفهوم ابتكاري و مبتني بر gTest كه اساس آن شمارش تكرار ويژگي هاي موثر در دسته بندي نمونه ها است، بر روي سه پايگاه دادگان واقعي رانش مفهوم را شناسايي كرده و براساس آن فضاي داده به مفاهيم كوچكتر و مجزا تقسيم مي شود. سپس با ايجاد مدل دسته بندي انحصاري براي هر مفهوم و افزايش تعداد مدل يادگيري در فضاي داده، قادر خواهيم بود دقت پيش بيني و دسته بندي در يادگيري ماشين را بهبود ببخشيم.