العنوان بلغة أخرى: |
خوارزمية Apriori للبيانات العربية باستخدام نموذج Mapreduce |
---|---|
المؤلف الرئيسي: | El Khoudary, Ola Abed Elnasser (Author) |
مؤلفين آخرين: | Baraka, Rebhi Soliman (Advisor) |
التاريخ الميلادي: |
2015
|
موقع: | غزة |
التاريخ الهجري: | 1436 |
الصفحات: | 1 - 76 |
رقم MD: | 696682 |
نوع المحتوى: | رسائل جامعية |
اللغة: | الإنجليزية |
الدرجة العلمية: | رسالة ماجستير |
الجامعة: | الجامعة الإسلامية (غزة) |
الكلية: | كلية تكنولوجيا المعلومات |
الدولة: | فلسطين |
قواعد المعلومات: | Dissertations |
مواضيع: | |
رابط المحتوى: |
المستخلص: |
تعتبر خوارزمية Apriori من أشهر الخوارزميات التي تستخدم لاستخراج مجموعة من البنود المتكررة frequent itsemsets)) هذه البنود تستخدم للحصول على قواعد (Association rules) لاكتشاف المعرفة. هذه القواعد تساعدنا في التنبؤ بالعلاقات غير المعروفة والحصول على النتائج التي تساعد في التنبؤ واتخاذ القرار. عندما يكون حجم البيانات كبير فيعتبر استخدام كل من الذاكرة والحسابات للمعالجات التقليدية مكلفة جدا بالإضافة إلى ذلك فإن ذاكرة المعالج الواحد ومصادره محدودة جدا وهذا يؤدي ضعف في أداء الخوارزمية. لذلك تعتبر الحوسبة المتوازية والموزعة فعالة جدا في تحسين أداء الخوارزمية. في هذا البحث قمنا باقتراح خوارزمية Apriori باستخدام نموذج الحوسبة المتوازية Map Reduce مع تعزيز التسريع (speedup) والأداء (performance)، خوارزمية Apriori الأكثر شهرة تستخدم في جمع البنود (itemsets) التي تظهر تكرارا وتستخدم هذه البنود من أجل تكوين قواعد (Association rules)، يعتبر نموذج الحوسبة المتوازية (Map Reduce) أداة لمعالجة البيانات حيث تستطيع معالجة كم ضخم من البيانات بالطريقة المتوازية. أظهرت النتائج أن تطبيق خوارزمية Apriori المتوازية المقترحة تعالج بكفاءة النصوص العربية ذات الحجم الكبير حيث أجريت التجارب على نموذج Map Reduce مكون من 16 جهاز حاسوب وأظهرت النتائج تحسنا كبيرا على التسريع والأداء وأيضا الحصول على قواعد قوية. |
---|---|
وصف العنصر: |
ملخص باللغة العربية |