تنقيب الأنماط المتسلسلة
تعريفًا بالموضوع، يعد تنقيب الأنماط المتسلسلة أحد مواضيع تنقيب البيانات الذي يهتم بالعثور على أنماط ذات علاقة إحصائية بين أمثلة البيانات، حيث إن القيم يتم إيصالها بواسطة متسلسلة. وفيما يلي تفاصيل أوسع عن ذلك.
وفي هذا السياق، بالعادة يفترض ان القيم مجزئة وبالتالي يرتبط تنقيب الزمن المتسلسل معه بشكل جيد، ولكن عادةً يعتبر نشاط مختلف.
وفي هذا السياق، بشكل عام، تنقيب السلاسل مشكلة يمكن تصنيفها كتنقيب المصفوفات التي تعتمد على خوارزميات معالجة المصفوفات والتنقيب عن العناصر التي ترتكز على تعلم قواعد الارتباط.
وعلى صعيد آخر، يعتبر تنقيب البيانات المتسلسل حالة خاصم من تنقيب البيانات المهيكلة
كذلك، هناك الكثير من المفاتيح التقليدية لحساب المشاكل المعنونة في المجال.
إضافةً إلى ذلك، وهذا يتضمن بناء قاعدة بيانات فعالة وفهارس للتسلسل المعلومات، واستخراج الانماط ذات الحدوث المتكرر، مقارنة السلاسل للعثور على التشابهات، وتعويض أعضاء المتسلسلات المفقودة.
إضافةً إلى ذلك، نماذج المعالجة المحلية تجعل تنقيب الانماط المتسلسلة انماط أكثر تعقيدا التي تستطيع ان تتضمن خيارات حصرية، حلقات و إنشاء التزامن إلى جانب ترتيب المنشاءات المتسلسلة.
عملية التعدين
- تحليل التسلسل (المعلوماتية الحيوية)
- تجميع تسلسل
- وسم التسلسل
خوارزميات
الخوارزميات شائعة الاستخدام تشمل:
تنقيب العناصر
وفي هذا الصدد، و مثلًا، بواسطة تحليل معاملات العملاء ك سلال الشراء في المتاجر، شخص يستطيع ان يستحدث قاعدة إذا ما قام العميل بشراء البصل والبطاطا سويا فانه من الممكن ان يشتري لحم البرغر في نفس العملية
كذلك، «في غضون يومين {Nokia up و Ericsson up} ، فمن المحتمل أن {Motorola up و Samsung up} إذا»
وفي السياق ذاته، إذا قام عميل بشراء سيارة، فمن المتوقع ان يشتري تامين خلال اسبوع أو في مجال اسعار الاسهم،
وفي هذا السياق، يقدم Han et al مسحًا وتصنيفًا للخوارزميات الرئيسية لتعدين مجموعة العناصر. (2007).
من جهة ثانية، عادتا التنقيب عن البنود يستعمل في تطبيقات التسويق لاكتشاف الانتظام بين الحوادث المتكررة في المعاملات الكبيرة
كذلك، الاسلوبان الشائعان اللذان يطبقان على متسلسلات قواعد البيانات للتنقيب عن البنود المتكررة هما خوارزمية apriori و المستحدثة مؤخرا تقنية FP-growth
وفي هذا السياق، بعض المشاكل في التنقيب المتسلسل تضفي على نفسها اكتشاف البنود المتكررة وترتيب ظهورها، مثالا على ذلك، شخص يبحث عن نماذج
تنقيب المصفوفات
وفي السياق ذاته، في تطبيقات علم الاحياء تحليل ترتيب الرموز في المصفوفة يمكن ان يستعمل لتشخيص سلاسل الحمض النووي والبروتين لمعرفة خصائصها.
وعلى صعيد آخر، في الكثير من الحالات يتطلب مقارنة بين سلسلة معطاة واخرى معطاة سابقا.
وعلى صعيد آخر، امثلة على حروف يمكن ان تكون هكذا، رموز الاسكي في اللغة الطبيعية، النوكليوتيدات الادنين أو جوانين سايتوسين أو ثايمين في تسلسل الحمض النووي أو الاحماض الامينية أو سلاسل البروتين.
وفي هذا الصدد، بدلا من ذلك المهمة الاساسية تكمن بفهم السلسلة، من ناحية تركيبها ووظائفها البيولوجية.
في هذا الإطار، المقارنة بين المصفوفات تصبح أكثر تعقيدا عند الادراج، الحذف والطفرات في السلسلة
وفي هذا السياق، معرفة التسلسل للرموز الحمض النووي والبروتين ليس الهدف الاسمى بحد ذاته.
وفي هذا السياق، مشاكل المحاذاة: التي تتعامل مع المقارنة بين السلاسل عن طريق محاذاة أولاً تسلسل واحد أو أكثر؛ تتضمن أمثلة الطرق الشائعة BLAST لمقارنة تسلسل واحد مع تسلسلات متعددة في قاعدة بيانات، وClustalW لمحاذاة متعددة. يمكن أن تستند خوارزميات المحاذاة إلى طرق دقيقة أو تقريبية، ويمكن كذلك تصنيفها على أنها محاذاة عالمية، ومحاذاة شبه عالمية ومحاذاة محلية. انظر محاذاة التسلسل.
ومن جهة أخرى، يقدم Abouelhoda & Ghanem (2010) دراسة استقصائية وتصنيف للخوارزميات الرئيسية للمقارنة التسلسلية للمعلوماتية الحيوية، والتي تشمل:
ومن جهة أخرى، هذا عادتا يحقق اولا من خلال تعريف المناطق الفردية أو وحدات البناء في كل سلسلة ومن ثم نقوم بتعيين وظائف لكل وحدة بناء.
من جهة ثانية، المشاكل المرتبطة بالتكرار: التي تتعامل مع العمليات على تسلسل واحد ويمكن أن تستند إلى مطابقة سلاسل دقيقة أو طرق مطابقة تقريبية للسلاسل لإيجاد طول ثابت متكرر وتكرار أقصى طول، والعثور على تكرار مترادف، وإيجاد متابعات فريدة ومفقودة (غير مكتوبة) المتتالية.
إضافةً إلى ذلك، تتعامل تنقيب المصفوفات بالعادة مع حروف محدودة لبنود تظهر في سلاسل، ولكن السلسلة بحد ذاتها ممكن ان تكون طويلة جدا.
خوارزمية نظام الأفضليات المعمم
- اكتشاف متسلسل باستخدام فئات التكافؤ (SPADE)
- FreeSpan
- PrefixSpan
- MAPres
- انظر كذلك
تطبيقات
كذلك، مع التنوع الكبير في المنتجات وتصرفات المشترين، يعد ذلك الرف أحد أهم الموارد في بيئة البيع.
ومن جهة أخرى، لحل هذه المشكلة George and Binu (2013) قاموا بتقديم وسيلة للتنقيب انماط الشراء باستخدام خوارزمية PrefixSpan
ومن ناحية أخرى، بائعو التجزئة لا يستطيعون زيادة ارباحهم لكن، تقليل التكلفة بواسطة الإدارة الملائمة لتخصيص مساحة التخزين وعرض المنتجات.
كذلك، و وضع المنتجات على الرفوف بالاعتماد على ترتيب انماط الشراء الذهنية.
📝 هل في هذه المقالة خطأ؟
إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.
ما رأيك في هذه المقالة؟