استخراج كنش از گراف شبكه اجتماعي با استفاده از ساختارهاي عِلّي با هدف افزايش قابليت اجراي كنش‌هاي استخراج شده

كارشناسي ارشد

در بسياري از مسائل دنياي واقعي، هدف از كشف دانش، خود دانش نيست، بلكه يافتن راهي براي استفاده از آن به صورت عملي است. مدل‌ها و الگو‌هايي كه توسط روش‌هاي داده‌كاوي كشف مي‌شوند عموما نيازمند پسا‌پردازش براي رسيدن به اين هدف هستند. استخراج دانش كنش‌پذير زمينه‌ايست كه براي حل اين مشكل بوجود آمده و در اين راستا كنش استخراج مي‌كند. يك كنش، پيشنهاد تغييري در شي مورد نظر است كه در صورت اجراي آن احتمال رسيدن به وضعيتي بهتر از آن شي كه با توجه به نياز‌ دامنه تعريف مي‌شود ( وضعيت مطلوب)، افزايش مي‌يابد. در زمينه‌ي استخراج كنش، يك چالش اساسي يافتن راهي براي دستيابي به وضعيت مطلوب، با بهره‌گيري ارتباطات علّت و معلولي ميان متغيرهاست تا بتوان كنش‌هايي با اثرگذاري بهتر نسبت به حالتي كه ساختارهاي عِلّي در نظر گرفته نمي‌شود يافت. هدف اين پايان نامه، ورود به شبكه‌هاي اجتماعي است و قصد دارد تا با كشف ساختارهاي عِلّي از درون داده‌هاي شبكه‌اي كنش استخراج كند. با توجه به اينكه در اين نوع از داده‌ها ارتباطات ميان متغيرها داراي اطلاعات ارزشمندي است، يكي از چالش‌هاي اصلي در اين زمينه بدست آوردن ويژگي‌هايي است كه نه تنها افراد درون شبكه‌ي اجتماعي را به خوبي و متمايز از ديگر افراد توصيف ‌كند بلكه بتواند اطلاعات مربوط به ارتباطات شبكه را نيز در فرايند استخراج كنش دخيل نمايد. روشي تركيبي تحت عنوان SF-ICE-CREAM در راستاي فائق آمدن به همين مساله طرح شده است كه با استفاده از ويژگي‌هايي كه برگرفته از ساختار دادگان شبكه‌ايست، شبكه‌ي عِلّي نهفته درون آن را يافته و در نهايت در راستاي بهبود وضعيت كنش استخراج مي‌كند. در اين پايان نامه نشان خواهيم داد كه روش ما نسبت به ديگر روش‌هاي ارائه شده در اين حوزه عملكرد بهتري از لحاظ تاثيرگذاري مجموعه كنش‌ها و سود خالص دارد.

192806

دانشگاه علم و صنعت ايران

نرم افزار

دكتر عين اله خنجري ميانه