شناسایی رانش مفهوم در جریان داده و افراز فضای داده به مفاهیم مجزا

بخش عظیمی از دنیای تکنولوژی امروز را سیستم های اطلاعاتی تشکیل داده اند که با جریانی پیوسته و سریع از داده کار می کنند(جریان داده). رانش مفهوم یا تغییر توزیع داده در گذر زمان پدیده ای ذاتی در جریان داده است و اصلی ترین دلیل کاهش اثر بخشی سیستم های مبتنی بر استخراج اطلاعات از داده شناخته شده است. در این مقاله با استفاده از یک روش شناسایی رانش مفهوم ابتکاری و مبتنی بر gtest که اساس آن شمارش تکرار ویژگی های موثر در دسته بندی نمونه ها است، بر روی سه پایگاه دادگان واقعی رانش مفهوم را شناسایی کرده و براساس آن فضای داده به مفاهیم کوچکتر و مجزا تقسیم می شود. سپس با ایجاد مدل دسته بندی انحصاری برای هر مفهوم و افزایش تعداد مدل یادگیری در فضای داده، قادر خواهیم بود دقت پیش بینی و دسته بندی در یادگیری ماشین را بهبود ببخشیم.