Kümeleme modellerinden ilişkilendirme yöntemleri madenciliği

İlişkilendirme yöntemleri, büyük veri tabanlarındaki değişkenler (ögeler) arasındaki ilişkileri keşfetmek için kullanılır. Bu ilişkiler, büyük veri tabanında saklıdır. Sembolik modeller, ilişkilendirme yöntemlerini ortaya çıkarma hususunda en çok karşılaşılan modellerdir. Maalesef, bu modeller, çok ciddi sınırlamalara maruz kalmıştır. İlişkilendirme yöntemi oluşturmak, büyük miktardaki fazla olan yöntemler de dâhil olmak üzere, devasa sayıda yöntem oluşturmak için uzun bir zaman alan bir süreçtir. Bu problem, yüksek boyutsal tanım alanı ile uğraşılırken, bariz bir şekilde gözükür. Bu problemlerle başa çıkabilmek için, daha önce kullanılmamış bir yaklaşım oluşturulmuştur. Bu yaklaşım, sayısal ve sembolik modeller arasında ilginç bağlantılar kurarak, sayısal ilişkilendirme yöntemlerini ortaya çıkarmak için önerilmektedir. Sayısal modeller, sadece veriler arasındaki önemli ilişkileri muhafaza eder, bu nedenle bu en potansiyelli ve önemli ilişkilendirme yöntemlerini ortaya çıkartabilir. Bu sayısal yaklaşım, sadece yöntemin her parçasında bir öge olmak üzere, her yöntemin iki ögeye de sahip olduğu anlamına gelen, temel ilişkilendirme yöntemlerini ortaya çıkartabilir.Bundan dolayı, bu tezin amacı, sadece iki ögeyerine, farklı büyüklüklerdeki öge dizileri arasındaki ilişkileri keşfetmek maksadıyla,kompleks ve önemli ilişkilendirme yöntemlerini ortaya çıkartabilecek bu yaklaşımı geliştirmektir. Bu yaklaşım, sayısal metotların önemli ilişkilendirme yöntemlerini ortaya çıkarma olasılığını artırır. Çoklu topografik sinir ağır modeli, bu tezdeki ana modeli göz önünde tutar. Bu modelin en güçlü özelliklerinden birisi, sadece bir veri tabanından ilişkilendirme yönteminin oluşturulmasına izin veren genelleme mekanizmasıdır. Bu birleşme yöntemlerinin çıkarılmasının ta kendisi, sayısal bir sınıflandırma modelinin, doğal-sembolik bir sınıflandırıcı olarak hangi ölçüde hareket edeceğini değerlendiren nitelik ölçümlerine dayanır.