استخراج رابطه مبتني بر تعبيه لغات با فرآيند جمع‌سپاري

براي انجام مطالعات داده‌كاوي، تاحدودي به‌دليل پيچيده‌بودن فرآيند انتخاب ويژگي در كار مورد نظر، نياز داريم تا بخشي از برچسب‌زني را به كارگران در فعاليت جمع‌ سپاري واگذار كنيم. فرآيند واگذاري كارهاي داده‌كاوي به كاربران، اغلب به‌وسيله سامانه‌هاي نرم‌افزاري و بدون اطلاع دقيق از موقعيت سني يا جغرافياي محل سكونت كاربران صورت مي‌گيرد. عدم اطمينان از عملكرد كاربران مجازي در جمع ‌سپاري، ميزان صحت اطلاعات دريافتي را كاهش مي‌دهد. در اين مقاله پيشنهاد داده‌ايم تا با استفاده از روش‌هاي ايجاد انگيزش، تعدادي از مردم را در محلي جمع و از آنها در جهت وظايف جمع ‌سپاري استفاده كنيم. افزايش دقت در اعلام نتايج به‌دليل حضور فيزيكي، سرعت بالا در گرفتن نتايج با دقت بالا در زمان تعيين‌شده، تحصيلات مناسب شركت‌كنندگان در فعاليت و بومي‌بودن طرح اجرايي از ويژگي ‌هاي اين پژوهش هستند. در اين پژوهش يك كار يادگيري ماشين انجام شد تا بتوانيم در ضمن آن فعاليت ‌هاي جمع‌سپاري را با الگوريتم‌ هاي شبكه عصبي عميق تركيب نماييم. وظيفه كلاس‌بندي براي تعبيه لغات به‌صورت الگوريتمي و تلفيقي با كمك جمع‌سپاري انجام مي‌ شود. روش پيشنهادي با افزودن داده‌هاي جمع‌سپار به داده‌هاي قبلي و تغييرات در مدل تعبيه لغات تركيبي گلاو و وردتووك توانست نتايج مناسبي را در استخراج ويژگي به‌دست بياورد.