شکل ۳- ۵: توضیح الگوریتم Apriori 59

شکل ۳- ۶: الگوریتم AprioriTid 60

شکل ۴- ۱: چارچوب تحقیقاتی کاوش- عامل ۶۴

شکل ۴- ۳: لایه‌ی کاربر ۶۶

شکل ۴- ۴: لایه‌ی مدیریت ۶۷

شکل ۴- ۵: لایه‌ی پردازش ۶۸

شکل ۴- ۶: لایه‌ی منابع ۶۹

شکل ۴- ۷: معماری پیشنهادی برای داده کاوی توزیع شده برپایه‌ی سیستم‌های چند عامله ۷۰

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

شکل ۴- ۸: چارچوب F-Trade 77

شکل ۴- ۹: چارچوب MSCM-AKD 78

شکل ۴- ۱۰: کاوش ترکیبی چند منبع بر پایه‌ی عامل ۸۰

شکل ۴- ۱۱: کاوش چند منبع با شبکه‌بندی بر پایه‌ی عامل ۸۱

شکل ۴- ۱۲: چارچوب کشف الگوی غیرعادی بر پایه‌ی عامل ۸۲

فصل اول مقدمه و کلیات تحقیق

۱-۱- مقدمه

در این فصل به معرفی کلیات این پژوهش و ساختار آن می‌پردازیم. بدین منظور ابتدا به بیان تعریف مسئله، ضرورت، اهداف و پرسش‌های این تحقیق خواهیم پرداخت و در نهایت به تعریف واژه‌ها و اصطلاحات مورد استفاده در پایان نامه می‌پردازیم.

۱-۲- تعریف مسأله و سوالات اصلی تحقیق

امروزه با توجه به گسترش روز افزون اطلاعاتی که بشر با آن‌ها سر و کار دارد، بهره‌گیری از روش‌هایی همچون داده‌کاوی برای استخراج دانش و اطلاعات نهفته در داده‌ها، امری غیرقابل اجتناب می‌باشد. یکی از مسائلی که امروزه در بحث داده‌کاوی مورد توجه قرار گرفته است، بحث توزیع‌شدگی ذاتی داده‌ها است. توسعه فناوری شبکه‌های کامپیوتری و تکنولوژی پایگاه داده توزیع شده، ذخیره سازی توزیع شده و نسل فنی جدیدی از داده کاوی توزیع شده را ترویج داده است.

داده‌کاوی توزیع شده عبارت است از کشف نیمه خودکار الگوهای پنهان موجود در داده‌ها، در حالتی که داده‌ها و یا مکانیزم‌های استنتاج، به صورت توزیع شده باشند. غیرمتمرکز بودن داده‌ها بدان معناست که داده‌ها به صورت توزیع شده بین دو یا چند سایت بوده و هزینه انتقال تمام یا بخشی از داده‌ها به یک سایت مرکزی، قابل صرف‌نظر نباشد. توزیع شده بودن مکانیزم‌های استنتاج، به معنای لزوم لحاظ کردن هزینه ارتباط بین مکانیزم‌های مختلف در حال استخراج دانش می‌باشد. این توزیع‌شدگی ممکن است به دلایل مختلفی از جمله ارائه شدن مکانیزم استخراج دانش در قالب یک سرویس اینترنتی و یا صرفاً ناشی از توزیع‌شدگی داده‌ها باشد. چنین رویکردی به داده‌کاوی، برخلاف جهت کلی تحقیقات انجام شده است که به طور عمده به تکنیک‌های متمرکز پرداخته و نه فقط بر تمرکز، که بر همگونی و ساختار مسطح (در مقابل ساختار رابطه‌ای) داده‌های هدف متکی می‌باشند. مسائلی نظیر استخراج دانش در حالت عدم دسترسی به تمام داده‌های موجود، برقراری ارتباط موثر و بهینه با سایر مکانیزم‌های در حال استخراج دانش و نیز تبادل دانش یا اطلاعات میانی به جای اطلاعات خام، فقط تعدادی از مسائل اولیه داده‌کاوی توزیع شده با توجه به تعریف آن می‌باشند. بنابراین، داده‌کاوی توزیع شده در عین حال که به عنوان راه حلی کلیدی برای مشکلات اصلی پیش روی داده‌کاوی مطرح می‌باشد، خود سرمنشأ چالش‌ها و مسائل متعددی گردیده است؛ حل مؤثر این مشکلات منجر به استفاده هرچه بیشتر از داده‌کاوی و ایجاد امکانات جدید و بهره‌برداری از پتانسیل‌های موجود در قلمروهائی خواهد شد که علیرغم نیاز مبرم به داده‌کاوی، استفاده بسیار محدودی از آن به عمل می‌‌آورند.

۱-۳- اهمیت و ضرورت انجام تحقیق

داده کاوی توزیع شده از محاسبات توزیع شده استفاده می‌کند، و دانش مورد نیاز کاربران را از پایگاه داده‌های توزیع شده استخراج می‌کند. این حوزه چشم‌انداز کاربردی گسترده‌ای دارد. معمولاً پایگاه‌هایی که این داده‌ها را ایجاد یا دریافت می‌کنند، متعلق به افراد حقیقی یا حقوقی هستند که هر کدام به دنبال اهداف و منافع خود می‌باشند و حاضر نیستند دانش خود را به طور رایگان در اختیار دیگران قرار دهند. سیستم داده کاوی توزیع شده چند عامله، نسبتاً یک حوزه تحقیقاتی جدید است. با تکنولوژی نوظهور هوش مصنوعی سازگار است، انعطاف پذیری و هوشمندی خاصی دارد، استفاده از منابع را بهبود بخشیده و پایداری سیستم را افزایش داده است. و لذا نتایج این تحقیق می‌تواند در عمل مورد استفاده قرار گیرد و به عنوان یک موضوع پژوهشی مورد توجه قرار گیرد.

۱-۴- اهداف اساسی از انجام تحقیق

در اینجا اهداف تحقیق را به دو دسته هدف اصلی و اهداف فرعی تقسیم می­کنیم: “هدف کلی” که منظور همان موضوع تحقیق است که قصد مشخص نمودن آن‌را داریم و به عبارتی آنچه در پایان مطالعه قصد رسیدن بدان را داریم. “هدف کلی” معمولاً در یک جمله قابل فهم صریح و رسا و مختصر بیان می‌شود که برای خواننده گویا و قابل فهم است. در گونه دوم “اهداف جزئی یا اختصاصی” تحقیق بیان می‌شود. این اهداف از تقسیم یا شکستن “هدف کلی” به اجزای کوچک‌تر بدست می‌آیند. اهداف جزئی راه رسیدن به  "هدف کلی” را قدم به قدم مشخص  می­نمایند.

۱-۴-۱- هدف اصلی

ارائه مدلی مبتنی بر سیستم‌های چند عامله برای داده‌کاوی در محیط‌های توزیع شده

سیستم داده کاوی توزیع شده چند عامله، حوزه تحقیقاتی جدیدی است که با تکنولوژی نوظهور هوش مصنوعی سازگار بوده، انعطاف پذیری و هوشمندی خاصی داشته، استفاده از منابع را بهبود بخشیده و پایداری سیستم را افزایش داده است. و لذا ارائه مدلی مبتنی بر سیستم‌های چند عامله برای داده‌کاوی در محیط‌های توزیع شده در دستور کار قرار گرفت. نتایج این تحقیق می‌تواند در عمل مورد استفاده قرار گرفته و به عنوان یک موضوع پژوهشی مورد توجه قرار گیرد.

۱-۴-۲- اهداف فرعی

بررسی قوانین انجمنی در چند مدل از داده کاوی

ارائه یک مدل مبتنی بر سیستم‌های چند عامله

ارزیابی مدل

۱-۵- پرسش‌های تحقیق

پرسش‌های تحقیق به دنبال چگونگی دست‌یابی به اهداف تحقیق می‌باشند. لذا مانند اهداف تحقیق، پرسش‌های تحقیق را نیز به دو دسته تقسیم می‌کنیم: پرسش اصلی و پرسش‌های فرعی. که “پرسش اصلی” به دنبال جوابی در راستای دست‌یابی به هدف اصلی تحقیق می‌باشد و “پرسش‌های فرعی” نیز به دنبال چگونگی دست یافتن به اهداف فرعی تحقیق هستند.

پرسش‌های تحقیق حاضر عبارتند از:

۱-۵-۱- پرسش اصلی

استفاده از عامل‌ها و سیستم‌های چندعامله در داده کاوی توزیع شده چه اثراتی ایجاد می‌کند؟

۱-۵-۲- پرسش‌های فرعی

چه روش‌هایی برای بهینه سازی الگوریتم‌های موجود، وجود دارد؟

عامل‌ها و سیستم‌های چندعامله در حوزه داده کاوی توزیع شده در چه کاربردهایی حائز اهمیت است؟

چه راه حل‌هایی را می‌توان برای رفع مشکلات موجود در این حوزه یافت؟

۱-۶- فرضیه‌ها

با توجه به قابلیت‌های به اثبات رسیده‌ی عامل‌ها و سیستم‌های چندعامله در زمینه‌های مختلف، فرض ما این است که عامل‌ها و سیستم‌های چندعامله می‌توانند به عنوان ابزار مناسبی در تأثیر بهبود کارایی الگوریتم‌های داده کاوی در محیط توزیع شده به کار گرفته شوند.

۱-۷- روش تحقیق

روش انجام تحقیق از طریق مطالعه الگوریتم‌ها و روش‌های مختلف موجود در راستای موضوع تحقیق می‌باشد. و نیز از طریق مقایسه با روش‌های مرتبط موجود انجام خواهد شد.

۱-۸- جنبه‌های نوآوری

با انجام این تحقیق می‌توان از تکنیک‌های داده کاوی در محیط‌های توزیع شده با سرعت و دقت بیشتری بهره برد.

۱-۹- مراحل انجام تحقیق

مطالعه‌ی اولیه و ادبیات مسأله

شناسایی و بیان کامل مسأله

بررسی فعالیت‌های پیشین در راستای حل مسأله

بهره‌گیری از نقاط قوت روش‌های مختلف و دست‌یابی به مدلی کارآمدتر

حل مسأله و تحلیل آن

۱-۱۰- ساختار پایان‌نامه

ساختار این تحقیق شامل پنج فصل است.

فصل یک: مقدمه و کلیات تحقیق ارائه خواهد شد و به تعریف مسئله و ضرورت انجام تحقیق خواهیم پرداخت.

فصل دوم: به بیان ادبیات و تاریخچه‌ای از داده کاوی، داده کاوی توزیع شده، عامل‌ها و سیستم‌های چندعامله پرداخته، چندین تکنیک رایج در این حوزه را ذکر می‌کنیم و کاربردها و خصوصیات آن‌ها را شرح خواهیم داد.

فصل سوم: به بیان روش تحقیق، نحوه‌ی گردآوری داده‌ها و شیوه‌ی تجزیه و تحلیل اطلاعات خواهیم پرداخت.

فصل چهارم: در این فصل، به بیان یافته­های تحقیق در هر یک از مراحل اجرایی تحقیق خواهیم پرداخت و در نهایت مدلی بر پایه سیستم‌های چند عامله به منظور بهبود سرعت و دقت عملیات داده‌کاوی در محیط‌های توزیع شده ارائه خواهیم داد.

فصل پنجم: در این فصل، به پرسش­های تحقیق پاسخ داده خواهد شد و پیشنهادهایی برای کارهای آینده ارائه می­ شود.

فصل دوم ادبیات و پیشینه تحقیق

۲-۱- مقدمه

در این فصل، به سه بخش اصلی با عناوین داده‌کاوی، عامل‌ها و سیستم‌های چند عامله، و کاربرد عامل‌ها در داده‌کاوی می­پردازیم و در نهایت به بررسی کارهای انجام شده در این حوزه خواهیم پرداخت.

۲-۲- داده ­کاوی

داده کاوی، یک تکنولوژی نوظهور است، که از ابزارها و تکنیک‌های مدل‌سازی و تجزیه و تحلیل آماری، الگوریتم‌های ریاضی، و متدهای یادگیری ماشین برای کشف الگوهای معتبر و ناشناخته در مجموعه داده‌های حجیم استفاده می‌کند. هرچند این تکنولوژی دوران نوباوگی خود را طی می‌کند، اما شرکت‌ها و سازمان‌های بسیاری از جمله خرده‌فروشی‌ها، بانک‌ها، مراکز درمانی، کارخانجات تولیدی، ارتباطات راه دور، و مؤسسات دولتی از ابزارها و تکنیک‌های داده‌کاوی برای تحلیل داده‌هایشان و کشف اطلاعات و دانش مفید از آن‌ها استفاده می‌کنند.[۱, ۲] داده‌کاوی اطلاعاتی را از پایگاه داده‌ها استخراج می‌کند که از طریق کوئری‌ها و گزارش‌گیری‌ها قابل دست‌یابی نیستند.

رشد انفجاری داده‌های ذخیره شده در پایگاه داده‌ها، نیاز به تکنولوژی‌های جدید که بتوانند حجم عظیم داده‌ها را هوشمندانه به دانش مفید تبدیل کنند، را پدید آورده است.[۳] داده ­کاوی به معنای یافتن نیمه خودکار الگوهای پنهان در مجموعه داده ­های^[۱] موجود می‌باشد.[۴] این تکنولوژی با دیگر تکنیک‌های تحلیل داده، که سیستم، مقادیر اولیه را می‌گیرد و خود، الگوهایی را تولید می‌کند، متفاوت است. داده‌کاوی توسط ابزارهای الگوریتمیک، الگوها، تغییرات، آنومالی‌ها، قوانین، و ساختارهای مهم آماری، و رویدادها را از مجموعه داده‌های عظیم استخراج می‌کند.[۵] می‌توان گفت که داده کاوی در جهت کشف اطلاعات پنهان و روابط موجود در بین داده ­های فعلی و پیش ­بینی موارد نامعلوم و یا مشاهده نشده عمل می­ کند. برای انجام عملیات کاوش لازم است قبلاً روی داده ­های موجود پیش پردازش‌هایی انجام گیرد. عمل پیش پردازش اطلاعات خود از دو بخش کاهش اطلاعات، و خلاصه­سازی و کلی­سازی داده ­ها تشکیل شده است. کاهش اطلاعات عبارت است از تولید یک مجموعه کوچک‌تر، از داده ­های اولیه، که تحت عملیات داده ­کاوی نتایج تقریباً یکسانی با نتایج داده ­کاوی روی اطلاعات اولیه به دست دهد.[۴] پس از انجام عمل کاهش اطلاعات و حذف خصایص غیر مرتبط نوبت به خلاصه­سازی و کلی­سازی داده ­ها می‌رسد. داده ­های موجود در بانک‌های اطلاعاتی معمولاً حاوی اطلاعات در سطوح پایینی هستند، بنابراین خلاصه­سازی مجموعه بزرگی از داده ­ها و ارائه آن به صورت یک مفهوم کلی اهمیت بسیار زیادی دارد. کلی­سازی اطلاعات، فرآیندی است که تعداد زیادی از رکوردهای یک بانک اطلاعاتی را به صورت مفهومی در سطح بالاتر ارائه می کند. تکنیک‌‌های داده ­کاوی به چند دسته تقسیم می­شوند که سه دسته اصلی عبارتند از خوشه­بندی^[۲]، طبقه ­بندی^[۳] و کشف قواعد انجمنی^[۴]. در ادامه هر یک از این روش‌ها را به طور کلی معرفی می­نماییم.

۲-۲-۱- خوشه­بندی

فرایند خوشه­بندی سعی دارد که یک مجموعه داده را به چندین خوشه­ تقسیم نماید بطوریکه داده‌های قرار گرفته در یک خوشه با یکدیگر شبیه بوده و با داده ­های خوشه­های دیگر متفاوت باشند. در حال حاضر روش‌های متعددی برای خوشه­بندی داده ­ها وجود دارد که بر اساس نوع داده ­ها، شکل خوشه ­ها، فاصله داده ­ها و غیره عمل خوشه­بندی را انجام می­ دهند. مهم‌ترین روش‌های خوشه­بندی در زیر معرفی شده ­اند:

۲-۲-۱-۱- روش‌های خوشه‌بندی مبتنی بر تقسیم‌بندی

این روش‌ها، داده ­های موجود در یک مجموعه داده را به k خوشه تقسیم می­ کنند، بطوریکه هر خوشه دو خصوصیت زیر را داراست:

هر خوشه یا گروه حداقل شامل یک داده می­باشد.

هر داده موجود در مجموعه داده دقیقاً به یک گروه یا خوشه تعلق دارد.

معیار اصلی در چنین مجموعه داده­هایی میزان شباهت داده ­های قرار گرفته در هر خوشه می­باشد. در حالیکه داده‌های قرار گرفته در دو خوشه مختلف از نظر شباهت با یکدیگر فاصله زیادی دارند. مقدار k که به عنوان پارامتر استفاده می­گردد، هم می ­تواند به صورت پویا تعیین گردد و هم اینکه قبل از شروع الگوریتم خوشه­بندی مقدار آن مشخص گردد.

۲-۲-۱-۲- روش‌های سلسله مراتبی^[۵]

روش‌های سلسله مراتبی به دو دسته کلی روش‌های پایین به بالا^[۶] و روش‌های بالا به پایین^[۷] تقسیم می‌گردند. روش‌های سلسله مراتبی پایین به بالا به این صورت عمل می­ کنند که در شروع هر کدام از داده ­ها را در یک خوشه جداگانه قرار می­دهد و در طول اجرا سعی می­ کند تا خوشه­هایی نزدیک به یکدیگر را با هم ادغام نماید. این عمل ادغام تا زمانی که یا تنها یک خوشه داشته باشیم و یا اینکه شرط خاتمه برقرار گردد، ادامه می­یابد. روش‌های بالا به پایین دقیقاً به طریق عکس عمل می­ کنند، به این طریق که ابتدا تمام داده ­ها را در یک خوشه­ قرار می­دهد و در هر تکرار از الگوریتم، هر خوشه به خوشه­های کوچک‌تر شکسته می­ شود و این کار تا زمانی ادامه می­یابد که یا هر کدام از خوشه ­ها تنها شامل یک داده باشند و یا شرط خاتمه الگوریتم برقرار گردد. شرط خاتمه معمولاً تعداد کلاستر یا خوشه می­باشد.

۲-۲-۱-۳- روش‌های مبتنی بر چگالی^[۸]

اکثر روش‌های خوشه­بندی که به این روش عمل می­ کنند معمولاً از تابع فاصله به عنوان تابع معیار خود بهره می­برند. استفاده از چنین معیاری باعث می­گردد که الگوریتم خوشه­بندی تنها قادر به ایجاد خوشه­هایی با اشکال منظم باشد. در صورتیکه خوشه­های واقعی در داده ­ها دارای اشکال غیر منظمی باشند، این الگوریتم­ها در خوشه­بندی آن‌ها با مشکل مواجه می­گردند. برای حل این‌گونه مشکلات یکسری از روش‌ها برای خوشه­بندی پیشنهاد گردیده­اند که عمل خوشه­بندی را بر مبنای چگالی داده ­ها انجام می‌دهند. ایده‌ی اصلی در این روش‌ها بر این اساس است که تا زمانی که داده ­های قرار گرفته در همسایگی خوشه‌ها از حد معینی بیشتر باشند، آن‌ها رشد می­ کنند و بزرگ می­شوند. چنین روش‌هایی قادرند خوشه­هایی با شکل‌های نامنظم نیز ایجاد نمایند.

البته دسته‌ه ای دیگری از روش‌های خوشه­بندی مانند روش‌های مبتنی بر گرید، روش‌های مبتنی بر مدل و غیره وجود دارند که می­توانید آن‌ها را در [۴] مطالعه نمایید.

۲-۲-۲- طبقه ­بندی

فرایند طبقه ­بندی در واقع نوعی یادگیری با ناظر می­باشد که در طی دو مرحله انجام می­گردد. در مرحله اول مجموعه ­ای از داده ­ها که در آن هر داده شامل تعدادی خصوصیت دارای مقدار و یک خصوصیت بنام خصوصیت کلاس می­باشد، برای ایجاد یک مدل داده بکار می­روند که این مدل داده در واقع توصیف کننده مفهوم و خصوصیات آن مجموعه داده ­ها است. مرحله دوم فرایند طبقه ­بندی، اعمال یا بکارگیری مدل ایجاد شده، بر روی داده‌هایی است که شامل تمام خصوصیات داده­هایی که برای ایجاد مدل بکار گرفته­ شده ­اند، می­باشند، بجز خصوصیت کلاس، و هدف از عمل طبقه ­بندی نیز تخمین مقدار این خصوصیت می­باشد.

الگوریتم­ها و روش‌های مختلفی برای طبقه ­بندی تاکنون پیشنهاد شده ­اند که برای مثال می­توان از روش‌های طبقه ­بندی با بهره گرفتن از درخت تصمیم، طبقه ­بندی بیزین، ^[۹]SVM، طبقه ­بندی با بهره گرفتن از شبکه‌های عصبی، طبقه ­بندی مبتنی بر قواعد و غیره نام برد.[۶] در اینجا ما قصد نداریم وارد مباحث مربوط به الگوریتم­ها و روش‌های طبقه ­بندی شویم و تنها روش طبقه ­بندی مبتنی بر قواعد را معرفی خواهیم نمود. در صورت نیاز به مطالعه بیشتر می­توانید به مرجع [۴] مراجعه نمایید.

۲-۲-۲-۱- طبقه ­بندی مبتنی بر قواعد

در این قسمت قصد داریم نگاهی به بحث طبقه ­بندی مبتنی بر قواعد داشته باشیم. در این روش، مدل ایجاد شده از روی داده ­ها به صورت مجموعه ­ای از قواعد می­باشد. می­توان گفت که هر قاعده به صورت یک قاعده IF P THEN C می­باشد که در آن P مجموعه ­ای از شرایط بوده و C نیز مشخص کننده برچسب یک کلاس یا طبقه­ خاص می­باشد. یک قاعده بدست آمده از مجموعه داده ­های آموزشی با بهره گرفتن از دو معیار coverage و accuracy می ­تواند ارزیابی گردد. این دو معیار به صورت زیر تعریف می­گردند:

(۲-۱)
(۲-۲)

که در تعاریف مذکور  تعداد داده­هایی در مجموعه داده D است که توسط قاعده پوشش داده می­شوند.  تعداد داده­هایی است که توسط قاعده به درستی طبقه ­بندی شده ­اند. |D| تعداد داده‌های موجود در D می­باشد.

نکته مهمی که باید اینجا به آن اشاره کرد این بحث است که چگونه داده ­ها توسط این قواعد طبقه‌بندی می­گردند. همان‌طور که اشاره گردید این قواعد دارای یک قسمت شرط (P) و یک قسمت C هستند. P یک الگو به صورت  می­باشد که هر کدام از p_iها بیان کننده‌ی یک محدودیت برای یکی از خصوصیات هستند. اگر خصوصیات داده­ای محدودیت­های مذکور قاعده­ای را برآورده سازد آنگاه کلاس یا طبقه­بند آن داده، کلاس یا طبقه­ای است که آن قاعده بیان می­ کند©. اما مسأله مهمی که اینجا پیش می ­آید، این است که اگر یک داده در قسمت شرط (P) بیش از یک قاعده صدق کند، آنگاه کدام قاعده را باید انتخاب کرد. بسته به استراتژی­ های مختلف، این مشکل جواب‌های مختلفی می‌تواند داشته باشد. دو نمونه از مهم‌ترین استراتژی­هایی که معمولاً برای حل این مشکل بکار می­روند، استراتژی‌های مرتب‌سازی بر اساس اندازه^[۱۰] و مرتب‌سازی بر اساس قاعده^[۱۱] می­باشند.

در استراتژی مرتب‌سازی بر اساس اندازه، چنانچه یک داده در بیش از یک قاعده صدق کند، قاعده‌ای برای طبقه ­بندی داده انتخاب می­ شود که خصوصیات بیشتری را برای مشخص نمودن کلاس داده تست کرده باشد. در استراتژی مرتب‌سازی بر اساس قاعده، پیش قواعد اولویت دهی می­شوند و هنگام طبقه ­بندی، قاعده با اولویت بالاتر، مشخص کننده کلاس داده خواهد بود. اولویت‌دهی به قواعد هم به طرق مختلفی ممکن است انجام گردد. برای مثال ممکن است که ابتدا کلاس‌ها اولویت­دهی شوند و قواعد مربوط به هر کلاس نیز با تأثیر پذیری از این اولویت‌دهی، اولویت بگیرند. اولویت کلاس‌ها نیز ممکن است بر اساس اهمیت کلاس یا تعداد داده ­های متعلق به آن کلاس و یا غیره مشخص گردند. استراتژی­ های دیگری نیز در این زمینه وجود دارند که ما در اینجا درباره آن‌ها صحبت نمی­کنیم. مسأله دیگری که ممکن است پیش بیاید این است که یک داده با هیچ‌کدام از قواعد هم‌خوانی نداشته باشد. برای این مسأله هم می­توان راه­حل‌هایی ارائه نمود. معمول­ترین راه­حل این است که چنانچه داده­ای با هیچ‌یک از قواعد هم‌خوانی نداشت، کلاسی به عنوان کلاس آن داده انتخاب گردد که بیشترین تعداد داده در بین داده ­ها به آن کلاس تعلق دارد.

مورد دیگری هم که اینجا قابل ذکر است این مطلب است که قواعدی که برای طبقه ­بندی استفاده می­شوند، چگونه ایجاد می­گردند. البته ما نمی­خواهیم در اینجا وارد جزئیات مربوط به استخراج قواعد از داده ­های آموزشی شویم. برای استخراج قواعد از مجموعه داده ­های آموزشی معمولاً از دسته­ای از الگوریتم‌ها بنام الگوریتم‌های SCA^[12] استفاده می­گردد که این الگوریتم‌ها در هر مرحله یک قاعده را از داده ­های آموزشی یاد گرفته و داده­هایی را که از آن قاعده پیروی می­ کنند را از مجموعه داده ­های آموزشی خود حذف می­ کنند و با داده ­های باقی‌مانده، کار خود را ادامه می‌دهند. از نمونه الگوریتم‌های معروف SCA می­توان به AQ، CN2 و RIPPER اشاره نمود. البته قابل ذکر است که برای کشف قواعد می­توان از روش‌های ایجاد درخت تصمیم و یا کشف قواعد انجمنی نیز استفاده نمود. در درخت تصمیم هر مسیر از ریشه تا یک برگ را می­توان به عنوان قسمت P قاعده در نظر گرفت و کلاسی که برگ مشخص می­ کند، قسمت C خواهد بود. در مورد نحوه استفاده از روش‌های کشف قواعد انجمنی و استفاده از آن‌ها برای طبقه‌‌بندی نیز می­توانید به [۷, ۸] مراجعه کنید.

۲-۲-۳- کشف قواعد انجمنی

سازمان‌های کسب و کار، اغلب حجم عظیمی از داده‌ها را از عملیات روزانه جمع آوری می‌کنند. به عنوان مثال، حجم عظیمی از داده‌ها از خریدهای روزانه مشتریان در فروشگاه‌های خرده فروشی بدست می‌آید. استخراج قواعد انجمنی، نوعی از عملیات داده کاوی است که به تجزیه و تحلیل داده و جستجو برای یافتن ارتباط بین ویژگی‌ها از قبیل اینکه مشتریان کدام اقلام را هم‌زمان خریداری می‌کنند، می‌پردازد. نام دیگر روش کشف قواعد انجمنی، تحلیل سبد بازار می‌باشد. به عبارت دیگر، قواعد انجمنی، مطالعه ویژگی‌ها یا خصوصیاتی می‌باشد که با یکدیگر همراه بوده و به دنبال استخراج قواعد از میان این خصوصیات می‌باشد. این روش به دنبال استخراج قواعد به منظور کمی کردن ارتباط میان دو یا چند خصوصیت است. قواعد انجمنی به شکل اگر و آنگاه به همراه دو معیار پشتیبان^[۱۳] و اطمینان^[۱۴] تعریف می‌شوند.

در اینجا به مثال‌هایی از کاربرد قوانین انجمنی اشاره می‌شود:

بررسی ارتباط بین توانایی خواندن کودکان با خواندن داستان توسط والدین برای آن‌ها.

بررسی اینکه چه اقلامی در یک فروشگاه با یکدیگر خریداری می‌شوند و اینکه چه اقلامی هیچ‌گاه با یکدیگر خریداری نمی‌شوند.

تعیین سهم نمونه‌ها در بررسی تأثیرات خطرناک یک داروی جدید.

قواعد انجمنی، ماهیتا قواعد احتمالی هستند. به عبارت دیگر قاعده  لزوماً قاعده  را نتیجه نمی‌دهد، زیرا این قاعده ممکن است از شرط حداقل پشتیبان برخوردار نباشد. به طور مشابه قواعد  و  لزوماً قاعده  را نتیجه نمی‌دهند زیرا قاعده اخیر ممکن است از شرط حداقل اطمینان برخوردار نباشد.[۴]

۲-۲-۳-۱- تعاریف و مفاهیم اصلی در قواعد انجمنی

I = {I₁, I₂, …, I_m} : مجموعه اقلام خریداری شده است.

T: هر زیرمجموعه‌ای از I می‌باشد که از آن به عنوان تراکنش یاد می‌شود.

D: مجموعه تراکنش‌های موجود در T است.

TID: شناسه منحصر به فرد و یکتایی است که به هر یک از تراکنش‌ها اختصاص می‌یابد.

نمای کلی یک قاعده انجمنی به شکل زیر می‌باشد:

[پشتیبان , اطمینان]

به طوری که داریم:

پشتیبان (X, Y): نشان دهنده‌ی درصد یا تعداد مجموعه تراکنش‌های D است که شامل هر دوی X و Y باشند.

اطمینان: میزان وابستگی یک کالای خاص را به دیگری بیان می‌کند و مطابق فرمول زیر محاسبه می‌شود:

(۲-۳)

(X) پشتیبان / (  )پشتیبان = (Y X,) اطمینان

این شاخص درجه‌ی وابستگی بین دو مجموعه X و Y را محاسبه می‌کند و به عنوان شاخصی برای اندازه‌گیری توان یک قاعده در نظر گرفته می‌شود. غالباً قاعده‌هایی انتخاب می‌شوند که عدد اطمینان بزرگی داشته باشند.

فرض کنید اطلاعات مشتریانی که محصول X را خریده‌اند، همچنین علاقه دارند در همان زمان از محصول Y نیز بخرند، در قاعده انجمنی زیر نشان داده شده است:

(پشتیبان = ۲۰% و اطمینان = ۶۰%)

شاخص‌های اطمینان و پشتیبان قواعد بیانگر جذابیت آن‌ها هستند. این دو شاخص به ترتیب مفید بودن و اطمینان از قواعد مکشوفه را نشان می‌دهند. پشتیبان ۲۰% برای قاعده انجمنی فوق به این معنی است که ۲۰% همه‌ی تراکنش‌های موجود نشان می‌دهند که کالای X و Y با هم خریداری شده‌اند. اطمینان ۶۰% به این معنی است که۶۰% مشتریانی که کالای X را خریده‌اند، کالای Y را نیز خریداری کرده‌اند.

اگر مجموعه‌ای از عناصر حداقل پشتیبانی لازم را داشته باشند مکرر^[۱۵] خوانده می‌شوند. قواعد قوی^[۱۶]، قواعدی هستند که به طور توأمان دارای مقدار پشتیبان و اطمینان بیش از مقدار آستانه باشند. با بهره گرفتن از این مفاهیم، پیدا کردن قواعد انجمنی در دو گام خلاصه می‌شود، یعنی پیدا کردن مجموعه‌های مکرر و استخراج قواعد قوی.

۲-۲-۳-۱-۱- تقسیم بندی قواعد انجمنی

بر اساس ارزش عناصر درون قواعد، می‌توان قواعد را به انواع دودویی و کمی تقسیم کرد، در مثال زیر، قاعده اولی دودویی و دومی، کمی است.

]۶۰% = confidence ,2% Computer ⇒ Financial management software [sup =

Buys (X, high resolution TV)

بر اساس ابعاد یک قاعده می‌توان آن را تک بعدی یا چند بعدی نامید. قاعده زیر، فقط بعد خرید را شامل می‌شود.

Buys (X, Computer) ⇒ Buys (X, “Financial management software”)

اما قاعده‌ی زیر سه بعدی است، و ابعاد سن، درآمد و خرید را شامل می‌شود.

(X, high resolution TV) Buys ⇒ ("k48.. k42″ X,) and income ("39..30″ X,) Age

از آنجایی که داده‌ها می‌توانند در سطوح^[۱۷] و یا مقیاس‌های^[۱۸] مختلف تعریف شوند، قواعد را می‌توان بر اساس این سطوح خلاصه نمود. مراتب خلاصه‌سازی و اینکه آیا قواعد در یک سطح هستند یا در چند سطح، می‌تواند مبنای تقسیم‌بندی باشد.

۲-۲-۳-۱-۲- استخراج قواعد تک‌سطحی تک بعدی دودویی

قبل از ارائه الگوریتم‌های استخراج قواعد، نمادها و قراردادهایی را به منظور درک بهتر این الگوریتم‌ها مطرح می‌کنیم.

اقلام مطابق با قاعده ترتیب حروف الفبا^[۱۹] چیده می‌شوند، به عنوان مثال، اگر  باشد، مطابق این قاعده، باید رابطه‌ی  برقرار باشد.

در تمامی این الگوریتم‌ها مراحلی که طی می‌شوند به قرار زیر می‌باشند:

گام اول: در اولین گذر، پشتیبان هر یک از اجزا محاسبه شده، و اقلام مکرر (با بیشترین میزان فراوانی) با در نظر گرفتن آستانه حداقل پشتیبان انتخاب می‌شوند. (L_K)

گام دوم: در هر گذر، اقلام مکرر که از فاز قبلی، محاسبه شده‌اند برای ایجاد اقلام کاندیدا به کار می‌روند. (C_K)

گام سوم: پشتیبان هر یک از C_K ها محاسبه شده، و بزرگ‌ترین آن‌ها انتخاب می‌شود. این کار تا زمانی که هیچ قلم بزرگ‌تری یافت نشود، ادامه می‌یابد.

در هر فاز پس از یافتن اقلام بزرگ (L_K)، می‌توان قواعد مطلوب را به صورت زیر استخراج کرد:

برای تمامی اقلام مکرر L همه‌ی زیرمجموعه‌های غیرتهی آن را (s) در نظر می‌گیریم. برای تمامی این زیرمجموعه‌ها، یک قاعده به صورت زیر استخراج می‌کنیم:

“s ⇒ (L – s)” این قاعده در صورتی برقرار می‌شود که اطمینان حاصل از آن بزرگ‌تر یا مساوی حداقل اطمینان در نظر گرفته شده توسط کاربر باشد، به بیان دیگر اگر رابطه‌ی زیر برقرار باشد، قاعده‌ی فوق پذیرفته می‌شود و در غیر این صورت این قاعده لغو می‌شود.

(۲-۴)

حداقل اطمینان  ( (s) پشتیبان / (L) پشتیبان)

پروسه استخراج قواعد انجمنی عبارت است از:

ابتدا همه‌ی اقلام مکرر را که بیشتر یا مساوی با آستانه‌ی پشتیبان هستند بیابید.

برای تمامی اقلام مکرر، همه‌ی زیر مجموعه‌های آن‌ها را استخراج کنید.

همه‌ی قواعد ممکن را استخراج کنید.

قواعدی را بپذیرید که از بیشتر و یا آستانه‌ی اطمینان برخوردار باشند.

در اینجا برای پیدا کردن این قواعد از الگوریتم ساده Apriori یا الگوریتم پیش‌نیاز استفاده می‌کنیم. فرض کنید که ابتدا باید تمام مجموعه‌های تک عضوی مکرر را پیدا کنید، سپس بر اساس آن مجموعه‌های دو عضوی مکرر را پیدا کنید و الی آخر. در هر مرحله باید کل فضا جستجو شود اما این الگوریتم از خصوصیت Apriori استفاده می‌کند به این صورت که “اگر مجموعه‌ای از عناصر مکرر باشد، تمام زیرمجموعه‌های غیر تهی آن نیز مکرر خواهند بود".^[۲۰]

هر زیر مجموعه‌ی یک مجموعه مکرر، خود نیز مکرر است. این خصوصیت را این‌گونه نیز می‌توان توصیف کرد: اگر مجموعه I به تعداد مشخصی تکرار شده باشد و اگر ما A را به آن اضافه کنیم تعداد تکرار این مجموعه از مجموعه قبلی بیشتر نخواهد بود. پس اگر اولی مکرر نباشد دومی نیز مکرر نخواهد بود. این الگوریتم از این خصوصیت استفاده می‌کند و در اینجا عملکرد آن را شرح می‌دهیم: می‌دانیم که از یک زیرمجموعه ۱-k عضوی یا همان L_k-1 برای به دست آوردن L_k یعنی مجموعه‌های k عضوی استفاده می‌شود. این کار در دو مرحله صورت می‌گیرد، ابتدا باید مجموعه‌ای از اعضا پیدا شود که با ترکیب L_K-1 با آن‌ها L_k به دست آید. این مجموعه از عناصر را C_k نامیده و مرحله به دست آوردن آن‌ها را پیوست^[۲۱] می‌نامیم. مرحله بعد اضافه کردن این عناصر به مجموعه‌های قبلی است که آن را مرحله هرس^[۲۲] می‌نامیم. در زیر این دو مرحله شرح داده می‌شوند.

۲-۲-۳-۱-۲-۱- مرحله پیوست

ابتدا باید مطمئن شویم که عناصر بر مبنای ترتیب حروف الفبا مرتب شده‌اند. دو مجموعه از L_k-1 با یکدیگر قابل پیوست هستند اگر ۲-k عنصر اول آن‌ها با یکدیگر برابر باشند. یعنی:  توجه کنید که دو عنصر آخر مرتب شده‌اند و از وجود عناصر تکراری جلوگیری می‌کنند. با اجتماع دو مجموعه قابل پیوست، آن دو مجموعه ترکیب می‌شوند.

با این روش، مجموعه ترکیب شده حاصل k عضو خواهد داشت که البته عنصر آخر (از نظر ترتیبی) از مجموعه دوم خواهد بود. در مثال زیر دو مجموعه (۴، ۲، ۱) و (۳، ۲، ۱) را در نظر بگیرید: مجموعه اول و دوم مرتب هستند و داریم: ۴>3>2>1 پس می‌توان مجموعه ترکیب شده زیر را به دست آورد.

(۳ ۲ ۱) = مجموعه‌ی اول = L_K-1

|| ||

(۴ ۳ ۲ ۱) = مجموعه‌ی ترکیب شده = C_k

|| ||

(۴ ۲ ۱) = مجموعه‌ی دوم = L_K-1

۲-۲-۳-۱-۲-۲- مرحله هرس

C_k مجموعه‌ای از L_kها است که هر عنصر آن یا مکرر است یا خیر، اما تمام عناصر مکرر در آن قرار دارند. حال تمام عناصر این مجموعه باید بررسی شوند تا مکرر بودن آن‌ها مشخص شود اما چون ممکن است تعداد آن‌ها زیاد باشد لذا برای کاهش حجم محاسبات از اصل Apriori استفاده می‌شود. به این صورت اگر یکی از زیرمجموعه‌های این مجموعه مکرر نباشد آن مجموعه نیز مکرر نخواهد بود. بنابراین برای پیدا کردن مجموعه‌های مکرر کافی است مجموعه‌های غیر مکرر را از آن‌ها جدا کنیم به این صورت که اگر عضوی از C_k در L_k-1 نباشد مکرر نیز نخواهد بود.

۲-۲-۳-۱-۳- محاسبه اطمینان و استخراج قواعد نهایی

پس از آنکه مجموعه‌های قوی استخراج شدند حال نویت استخراج قواعد است:

(۲-۵)

اطمینان

برای هر مجموعه مکرر L تمام زیر مجموعه‌های غیرتهی را در نظر می‌گیریم. برای هر زیر مجموعه‌ی s قواعد را به صورت زیر شکل می‌دهیم. “s ⇒ (L - s)” سپس اطمینان را حساب کرده و اگر بیشتر از حداقل قابل قبول بود آن را می‌پذیریم.

۲-۳- داده ­کاوی توزیع شده

داده­­کاوی توزیع شده عبارت است از کشف نیمه خودکار الگوهای پنهان موجود در داده ­ها، در حالتی که داده ­ها و یا مکانیزم‌های استنتاج، به صورت توزیع شده باشند. غیرمتمرکز بودن داده ­ها بدان معناست که داده‌ها به صورت توزیع شده بین دو یا چند سایت بوده و هزینه انتقال تمام یا بخشی از داده ­ها به یک سایت مرکزی، قابل صرف‌نظر نباشد. توزیع شده بودن مکانیزم‌های استنتاج، به معنای لزوم لحاظ کردن هزینه ارتباط بین مکانیزم‌های مختلف در حال استخراج دانش می‌باشد. این توزیع‌شدگی ممکن است به دلایل مختلفی از جمله ارائه شدن مکانیزم استخراج دانش در قالب یک سرویس اینترنتی و یا صرفاً ناشی از توزیع‌شدگی داده ­ها باشد. چنین رویکردی به داده ­کاوی، برخلاف جهت کلی تحقیقات انجام شده است که به طور عمده به تکنیک‌های متمرکز پرداخته و نه فقط بر تمرکز، که بر همگونی و ساختار مسطح (در مقابل ساختار رابطه­ای) داده ­های هدف متکی می­باشند. مسائلی نظیر استخراج دانش در حالت عدم دسترسی به تمام داده ­های موجود، برقراری ارتباط موثر و بهینه با سایر مکانیزم‌های در حال استخراج دانش و نیز تبادل دانش یا اطلاعات میانی به جای اطلاعات خام، فقط تعدادی از مسائل اولیه داده ­کاوی توزیع شده با توجه به تعریف آن می­باشند. بنابراین، داده ­کاوی توزیع شده در عین حال که به عنوان راه حلی کلیدی برای مشکلات اصلی پیش روی داده ­کاوی مطرح می­باشد، خود سرمنشأ چالش‌ها و مسائل متعددی گردیده است؛ حل مؤثر این مشکلات منجر به استفاده هرچه بیشتر از داده ­کاوی و ایجاد امکانات جدید و بهره ­برداری از پتانسیل‌های موجود در قلمروهائی خواهد شد که علیرغم نیاز مبرم به داده ­کاوی، استفاده بسیار محدودی از آن به عمل می­آورند.

بحث داده ­کاوی توزیع شده به طور کلی از دو جهت قابل بررسی می­باشد. اول حالتی که در آن داده ­ها به صورت همسان بین پایگاه‌های مختلف توزیع شده ­اند و داده ­های هر پایگاه تمام خصوصیات را دارا هستند. در این حالت داده ­ها ممکن است ذاتاً توزیع شده باشند و یا اینکه داده ­های متمرکز به دلایل امنیتی یا غیره بین پایگاه‌های مختلف تقسیم شده باشند. اصطلاحاً به این حالت ، تقسیم شده به صورت افقی^[۲۳] نیز گفته می­ شود.[۹] حالت دوم حالتی است که در آن داده ­های موجود در هر پایگاه داده دارای خصوصیت‌های مختلف می­باشند. معمولاً در این موارد داده ­ها خود بین پایگاه‌های مختلف تقسیم گردیده­اند و ذاتاً توزیع شده نیستند. از اینرو به این حالت تقسیم شده عمودی^[۲۴] نیز گفته می­ شود.[۹] برای ایجاد ارتباط بین خصوصیت‌های مختلفی که در پایگاه‌های مختلف نگهداری می­شوند اما متعلق به یک داده هستند، معمولاً یک خصوصیت مشترک که به عنوان شناسه مورد استفاده قرار می­گیرد، بین تمام پایگاه‌های مختلف نگهداری می­ شود که رکوردهای مختلف را بهم ارتباط می­دهد.

در داده ­کاوی توزیع شده نیز مسأله کشف و استخراج دانش مشابه داده ­کاوی عادی در زمینه ­های خوشه­بندی توزیع شده، کشف قواعد وابستگی به صورت توزیع شده و طبقه ­بندی توزیع شده (که با نام یادگیری توزیع شده طبقه­بند هم از آن نام برده می­ شود) مورد تحقیق و بررسی قرار می‌گیرد. ضمن اینکه در بحث داده ­کاوی توزیع شده، مسأله مربوط به محرمانگی داده ­ها^[۲۵] حتماً باید مدنظر قرار گیرد. برای مطالعه بیشتر در مورد داده ­کاوی توزیع شده می­توانید به مرجع [۹] مراجعه نمایید.

۲-۴- عامل‌ها و سیستم‌های چندعامله

از آنجا که در طول این پایان نامه با مفهوم عامل و سیستم­های چندعامله سرو کار خواهیم داشت، لذا به نظر می­رسد ضروری است تا ابتدا با مفهوم عامل و سیستم‌های چندعامله بیشتر آشنا شویم و برخی از خصوصیات آن‌ها را که در طول پایان نامه استفاده خواهیم کرد، را بیان نماییم.

۲-۴-۱- عامل

با توجه به آنکه از این به بعد به طور گسترده­ای با عامل­ها سروکار خواهیم داشت، داشتن تعریفی یکنواخت از عامل در طول گزارش ضروری به نظر می­رسد. تعاریف متعددی برای عامل وجود دارد که هیچ­یک دیگری را نقض نمی‌کنند، بلکه رابطه تعاریف موجود با یکدیگر را می­توان یک رابطه مکمل دانست. به بیان دیگر، تعاریف موجود در مورد عامل، تکمیل­کننده یکدیگر می­باشند.

یک تعریف مختصر و در عین حال نسبتاً کامل و دربردارنده خصوصیات مورد نظر ما از عامل به شرح زیر می‌باشد:

یک سیستم (نرم­افزار) کامپیوتری که خودکار بوده و دارای قابلیت ­های اجتماعی، توانائی واکنش و برنامه­ ریزی برای آینده می­باشد.[۱۰]

در تعریف فوق، خودکار بودن به معنای انجام عملیات بدون دخالت مستقیم کاربر (انسان) می­باشد. توانائی واکنش، عبارت است از توانائی پاسخ به محیط. بدیهی است که این پاسخ به محیط باید به موقع انجام شود. توانائی برنامه­ ریزی برای آینده، به معنای داشتن هدف است. هدف­دار بودن نه یک مفهوم انتزاعی، بلکه به معنای مشاهده رفتار هدف­دار از سوی عامل است. در اینجا قصد نداریم یک بحث طولانی را در مورد نکات بسیار زیادی که در تعریف فوق وجود دارد آغاز کنیم اما چند نکته را به ضرورت بیان می­کنیم.

اولین مسئله­ای که در تعریف فوق حائز اهمیت فراوان می­باشد، مسئله رفتار هوشمند است. همان‌گونه که مشاهده می­ شود، اثری از مفهوم هوشمندی در تعریف ارائه شده از عامل وجود ندارد؛ حال آنکه در مطالعات و بررسی­های انجام شده روی عامل، هوشمندی از نکات کلیدی است. سوال مطرح در اینجا آن است که آیا ما قصد داریم بدون در نظر گرفتن هوشمندی به بررسی و استفاده از عامل بپردازیم؟ پاسخ این سوال در تعریف ارائه شده وجود دارد: ترکیب صفات خودکار بودن، قابلیت واکنش و برنامه­ ریزی برای آینده، می ­تواند از یک منظر به عنوان وجود هوش تلقی شود. این امر با توجه به این نکته مهم، بیشتر تجلی می­یابد که پیاده­سازی هیچ­ یک از سه مورد فوق، به تنهایی، در یک سیستم کامپیوتری، چندان مشکل نیست. در حقیقت سیستم­های کامپیوتری زیادی وجود دارند که خودکار بودن و رفتار صرفاً واکنشی، یا خودکار بودن و رفتار برنامه‌ریزی برای آینده را به صورت هم‌زمان دارا می­باشند؛ آنچه که می ­تواند مسئله را پیچیده ساخته و نمادی از هوش باشد، ترکیب صحیح رفتار واکنشی و برنامه­ ریزی برای آینده است؛ کاری که حتی برای انسان­ها نیز چندان ساده نیست. انتخاب نوع رفتار واکنشی و مقطع زمانی صحیح برای واکنش به محیط، ضروری است. از سوی دیگر، برنامه­ ریزی برای آینده، اقدامی لازم برای پیشرفت و بهبود می­باشد. حال یک مسئله مهم، نحوه ترکیب این دو رفتار کلیدی با یکدیگر و دست‌یابی به یک حالت تعادل مناسب است که در آن، عامل ضمن واکنش مناسب به تغییرات محیط، هدف یا اهداف خود را نیز دنبال می­نماید. برای پیاده­سازی این رفتار هوشمند، راه­حل­ها و معماری­های مختلفی ارائه شده است، اگرچه تمام این راه‌حل­ها، چنین تعریفی را از هوشمندی ندارند.

۲-۴-۱-۱- مقایسه عامل با شیء

اشیاء در محیط به صورت مجموعه ­ای از صفات و قابلیت­ها در نظر گرفته می­شوند. شی بر روی وضعیت داخلی خودش کنترل دارد و می­توان گفت شی نوعی خود مختاری بر روی وضعیت خودش به نمایش می‌گذارد. عامل‌ها در واقع اشیاء فعال هستند، یعنی هر عامل دارای یک موجودیت فعال و دارای رشته کنترلی مختص خود است. به عبارت دیگر عامل مستقل از دیگران و بدون نیاز به کنترل توسط عامل‌های دیگر و یا انسان قادر به حیات است. اگر عامل بتواند عملی را انجام دهد و عامل دیگری از این عامل بخواهد که این عمل را برایش انجام دهد، عامل در انجام این عمل خود مختار است. شی بر خلاف عامل بر روی رفتار خودش کنترلی ندارد. یعنی اگر شی متد m را برای فراخوانی در اختیار اشیاء دیگر بگذارد، آنگاه در صورتی که متد از نظر دسترسی عمومی باشد، دیگر شی بر روی اجرای متد کنترلی ندارد. واضح است که متد شیء باید برای اغلب شیء های دیگر در دسترس باشد، زیرا در یک سیستم شی­گرا، شی­های تشکیل دهنده سیستم از طریق همکاری با یکدیگر و فراخوانی متدهای یکدیگر باعث انجام اعمال مختلف سیستم می‌شوند، بنابراین در سیستم­های شی­گرا، مرکز تصمیم ­گیری در ارتباط با انجام یک عمل در شی، فراخوانی کننده متد شی دیگر است، اما در سیستم‌های چند­عامله این مرکز تصمیم ­گیری، در عامل دریافت کننده درخواست، برای انجام عمل به خصوص می­باشد. همچنین عامل‌ها دارای اشیاء دارای هدف می­باشند. در راستای هدف‌گرا بودن عامل­، نیاز به خودمختاری نیز اهمیت دارد به طوری که عامل‌ها با توجه به هدف تعریف شده بدون دخالت عامل‌های دیگر به انجام اعمال خود می‌پردازند. ارتباطات بین اشیاء از طریق فراخوانی توابع که به صورت مجموعه‌ای از مسئولیت‌های از پیش تعریف شده هستند صورت می‌گیرد، در حالیکه در عامل‌ها ارتباطات از طریق زبان‌های ارتباطی است که هیچ مجموعه‌ای از پیام‌ها و یا موجودیت‌های از پیش تعریف شده وجود ندارد.

به طور کلی تفاوت بین اشیاء و عامل‌ها را می‌توان به صورت زیر خلاصه کرد:

عامل‌ها نسبت به اشیاء خود مختار هستند. عامل‌ها خودشان نسبت به انجام درخواست عامل دیگر تصمیم می‌گیرند.

عامل‌ها قابلیت رفتار انعطاف پذیر دارند. در مدل استاندارد شی گرا این قابلیت‌ها در نظر گرفته نمی‌شود.

عامل‌ها فعال هستند.

ارتباطات بین اشیاء از طریق فراخوانی توابع و ارتباطات در عامل‌ها از طریق زبان‌های ارتباطی است.

عامل‌ها هدف گرا هستند.

جدول ۲- ۱: ویژگی‌های یک عامل

ویژگی	واژه لاتین	توصیف ویژگی
خودمختاری	Autonomy	این بدان معنی است که عامل می‌تواند بدون دخالت مستقیم انسان یا عامل‌های دیگر به فعالیت بپردازد، و بر اقدامات خود و شرایط داخلی کنترل دارد. [۱۱]
موقعیت گرا یا واکنشی	Reactivity or situatedness or sensing and acting	این بدان معنی است که عامل، ورودی‌های حسی را از محیط دریافت می‌کند، و فعالیت‌هایی را طرح‌ریزی می‌کند که محیط خود را از برخی جهات تغییر می‌دهد. به عبارت دیگر، عامل به محیط خود و شرایط عملیاتی وابسته است، آن را درک می‌کند و به تغییرات آن پاسخ می‌دهد.[۱۱, ۱۲]
کنش‌گرا یا هدف‌گرا	Proactiveness or goal directed behaviour	این بدان معنی است که عامل‌ها در پاسخ به محیط به سادگی عمل نمی‌کنند، بلکه قادرند با ابتکار عملشان، رفتاری هدفمند از خود بروز دهند.[۱۲-۱۴]
یادگیری یا سازگاری	Learning or Adaptivity	این بدان معنی است که یک عامل، قادر است ۱) در برابر تغییرات محیط، کاملاً انعطاف‌پذیر واکنش نشان دهد، ۲) در زمان مناسب، تصمیمات هدف‌گرا بگیرد، و ۳) در تعامل با دیگران از محیط و تجربیات خود استفاده کند، به عبارت دیگر تغییر رفتارها بر اساس تجربیات قبلی[۱۱, ۱۲]
صداقت یا قابل اعتماد بودن	Veracity or Trustworthiness	این فرض وجود دارد که یک عامل، آگاهانه، اطلاعات نادرست انتقال نمی‌دهد.[۱۴, ۱۵]. به قوانین روباتیک پایبند است و قابل اعتماد می‌باشد.[۱۳]
تحکیم	Ruggedization	عامل قادر است با خطاها و مشکل داده‌های ناقص مقابله کند.[۱۳]
پایداری	Persistency	عامل دارای اهداف و فرآیندهای ذاتی از پیش تعریف شده می‌باشد.
اجتماعی	Social ability	این بدان معنی است که عامل، تعاملاتی دارد، و این تعاملات، با روابط اجتماعی خوشایند یا رفاقت و مساعدت مشخص شده‌اند، به همین دلیل می‌گویند عامل‌ها، خوش برخورد، و قابل معاشرت هستند و دوستانه برخورد می‌کنند،[۱۳] به عبارت دیگر، با سایر عامل‌ها در سیستم‌های چندعامله همکاری دارد.
هماهنگی	Coordination	این بدان معنی است که عامل، قادر است برخی از فعالیت‌ها را در محیط اشتراکی با دیگر عامل‌ها انجام دهد.[۱۳] فعالیت‌ها، اغلب از طریق برنامه‌ها، گردش‌های کاری، و یا دیگر مکانیزم‌های مدیریت فرایندها هماهنگ می‌شوند.[۱۳]
همکاری و مشارکت	Cooperation or collaboration	این بدان معنی است که عامل، قادر است به منظور رسیدن به یک هدف مشترک، با دیگر عامل‌ها هماهنگ شود، عامل‌های غیر رقابتی که با هم به موفقیت یا شکست می‌رسند.[۱۳]
انعطاف‌پذیری	Flexibility	این بدان معنی است که سیستم پاسخگو است، عامل‌ها باید محیط خود را درک کنند و به موقع، به تغییراتی که در آن رخ می‌دهد پاسخ دهند.[۱۶]
استدلال	Reasoning or Discourse	قابلیت استدلال در انتخاب عمل
حرکت	Mobility	این بدان معنی است که عامل، قادر است از یک ماشین به ماشین دیگر، و در سراسر معماری سیستم‌ها و چارچوب‌های مختلف انتقال یابد، به عبارت دیگر قابلیت انتقال از یک محیط به محیطی دیگر[۱۷]
پیوستگی زمانی	Temporal continuity	این بدان معنی است که عامل، فرایندی است که به طور مداوم در حال اجرا است، و این‌گونه نیست که یک ورودی را به یک خروجی واحد نگاشت کند و پس از آن خاتمه یابد.[۱۷]
شخصیت یا اعتبار	Personality or character or Credibility	یک عامل، شخصیت قابل باور، خوش تعریف و احساسات دارد.[۱۳, ۱۷]
قابلیت استفاده مجدد	Reusability	این بدان معنی است که ممکن است فرایندها نیاز داشته باشند نمونه‌های کلاس “عامل” را برای تحویل اطلاعات یا چک کردن و تجزیه و تحلیل آن‌ها بر اساس نتایجشان حفظ کنند.[۱۸]
محدودیت منابع	Resource limitation	عامل تا زمانی به فعالیت خود ادامه می‌دهد که منابع را در اختیار داشته باشد.[۱۸]
نوع دوستی	Benevolence	این فرض وجود دارد که عامل‌ها، اهداف متضاد ندارند و هر عامل کاری را انجام می‌دهد که از او خواسته شده است.[۱۴, ۱۵] به عبارت دیگر، مصالحه در منافع مرتبط با عامل‌های همکار
نمایندگی	Delegacy	قبول انجام عمل در سیستم‌های چندعامله
شایستگی یا احساس مسئولیت	Competency or Amenability	ارزیابی فعالیت انجام شده در تحقق هدف، تقسیم وظایف در صورت لزوم، و ادامه عمل تا تحقق هدف
عقلانیت	Rationality	این بدان معنی است که یک عامل در راستای اهداف خود فعالیت می‌کند، و کاری که مانع رسیدن به آن اهداف شود را انجام نمی‌دهد، حداقل تا جایی که باورهای او اجازه می‌دهد.[۱۴, ۱۵] به عبارت دیگر، انجام اعمال منطقی (نه لزوماً درست) برای رسیدن به اهداف
قابلیت استنتاج	Inferential capability	این ویژگی بدان معنی است که یک عامل، می‌تواند با بهره گرفتن از دانشی که از اهداف کلی دارد، و روش‌های ارجح، بر روی مشخصات کار، به فعالیت بپردازد تا به انعطاف‌پذیری دست یابد، اطلاعات بیشتری بدست آورد، و مدل‌های واضح و صریحی از خود، کاربر، شرایط، و یا دیگر عامل‌ها داشته باشد.[۱۹]
پاسخگویی	accountability	عامل باید وقایع و فعالیت‌های خود را ثبت کند تا در صورت نیاز ارائه دهد. [۱۳]
غیرقابل پیش‌بینی بودن	Unpredictability	عامل قادر است به نحوی عمل کند که به طور کامل قابل پیش‌بینی نباشد، حتی اگر تمام شرایط اولیه شناخته شده باشند.[۱۳]

۲-۴-۱-۲- معماری عامل‌ها

معماری عامل‌ها یک متدولوژی خاص برای ساخت عامل‌ها فرض می­ شود، بطوریکه معماری بیانگر چگونگی تقسیم عامل‌ها به پیمانه‌های مختلف و ارتباط بین آن‌ها می­باشد. معماری در برگیرنده تکنیک‌ها و الگوریتم­هایی است که این متدولوژی را پشتیبانی می­ کنند. معماری­های مختلفی برای ساخت عامل‌ها پیشنهاد شده است. می­دانیم در بررسی عامل‌ها از مواردی که دارای اهمیت است بحث تکنیک مورد استفاده در آن‌ها می­باشد که مسائلی نظیر اخذ دانش، اکتساب دانش و باز­نمایی دانش را در بر می­گیرد. انتخاب و طراحی معماری مناسب برای عامل به پارامترهای مختلفی وابسته است. حوزه کاربردی­، محیطی که عامل در آن عمل می­ کند، اطلاعات در اختیار عامل، نیازها و ویژگی‌های مورد انتظار از عامل، میزان انعطاف پذیری، تکنولوژی مورد استفاده، برای پیاده سازی از جمله مهم‌ترین این پارامترها هستند. معماری عامل به مکانیزمی برای برنامه­ ریزی و اجرا، به شکل هم‌زمان هم نیاز خواهد داشت. بدون چنین مکانیزمی عامل یا در حالت برنامه‌ریزی گرفتار خواهد شد و نمی­تواند به موقع به رویدادها پاسخ دهد و یا با تمرکز بسیار زیاد بر روی پاسخگویی به رویدادهای محیط نمی‌تواند رفتار هدفمند از خود نشان دهد. در چنین محیط‌هایی عامل باید امکان تطبیق دادن رفتار خودش با محیط را نیز داشته باشد. بدون چنین امکانی عامل توانایی انجام درست وظایفش را به تدریج از دست خواهد داد. در محیط‌های پویایی که عامل‌ها باید رفتار خود را با عامل‌های دیگر هماهنگ کنند، داشتن مکانیزم هماهنگ سازی با حداقل ارتباط یکی دیگر از نیازهای معماری عامل است.

به طور کلی چهار نوع معماری برای چهار گروه از عامل‌ها مطرح شده است:

عامل‌های منطقی/ نمادین: عامل‌هایی که تصمیم گیری‌های آن‌ها بر مبنای استنتاج منطقی است.

عامل‌های واکنشی: عامل‌هایی که در آن‌ها فرایند تصمیم ­گیری به صورت تابع نگاشتی از وضعیت به عمل است.

عامل‌های BDI^[26] : عامل‌هایی که در آن‌ها تصمیم گیری بر مبنای کار بر روی ساختار داده­هایی است که بیانگر باورها و تمایلات و قصد­های عامل است.

عامل‌های ترکیبی و چند لایه: عامل‌هایی که تصمیم ­گیری در آن‌ها از طریق لایه­ های نرم­افزاری مختلف صورت می­گیرد که هر لایه کما بیش استدلال‌هایی درباره محیط خود در سطوح مختلف انتزاع دارد.

در اینجا ما تنها معماری BDI را معرفی می­نماییم. برای مطالعه بقیه موارد می­توانید به [۱۰] مراجعه نمایید.

۲-۴-۱-۲-۱- معماری BDI

در معماری BDI رسیدن به هدف و انجام عمل از طرف عامل بر اساس نحوه تصمیم ­گیری انسان‌ها درباره مسائل مختلف زندگی است که هر روزه انجام می­ دهند.[۲۰, ۲۱] انسان‌ها در هر موقعیتی بر اساس باورهایی که از موقعیت خود و دنیای بیرون دارند، به بررسی انتخاب‌های ممکن (تمایلات) می‌پردازند و در نهایت یکی از گزینه­ های ممکن انتخاب می­ شود تا رسیدن به آن هدف حاصل آید. به عبارت دیگر در این معماری رسیدن به هدف با توجه به مفهوم “استدلال عملی” صورت می­گیرد. از دیدگاه فلسفی، استدلال عملی مستلزم دو فعالیت مهم تصمیم ­گیری در مورد اهداف مورد نظر و چگونگی رسیدن به این اهداف می­باشد. بحث اول تحت عنوان بررسی و قیاس و بحث دوم نتیجه گیری بر مبنای تحلیل استدلال عملی مطرح است.

یک عامل می ­تواند تصمیم ­گیری کند که چه کاری را انجام دهد و چگونه به این کار برسد. در این راستا عامل سعی می‌کند انتخاب‌های مختلف را درک کند و سپس یکی از آن‌ها را انتخاب می­ کند. مسأله اصلی در استدلال عملی دست‌یابی به قصدهای صحیح با توجه به تغییرات محیط است. ممکن است قصد در زمان‌های مختلف تغییر کند و لذا نیاز به تجدید نظر نمودن قصد خواهد بود. تجدید نظر خود با هزینه­هایی همراه است. با توجه به موضوع عنوان شده، برای عامل‌های BDI تابعی تحت عنوان تابع تبادل نظر در نظر گرفته می­ شود که به دو جزء تقسیم می­گردد. بخش اول ایجاد کننده انتخاب‌ها و بخش دوم فیلتر کردن انتخاب‌ها. بخش ایجاد کننده انتخاب‌ها به گونه‌ای است که هر عامل مجموعه ­ای از پیشنهادهای مختلف را تولید می­ کند. این کار از طریق تابعی بنام Option که باورهای جاری عامل و قصدهای جاری آن‌را می­گیرد، صورت می­پذیرد و بر این اساس مجموعه انتخاب‌ها (تمایلات) تعیین می­ شود. در بخش فیلتر کردن، عامل بین حالت‌ها و پیشنهادهای مختلف، انتخاب انجام داده و برای رسیدن به آن‌ها به توافق می­رسد. به عبارتی از تابعی که فیلتر نامیده می­ شود برای انتخاب حالت‌های مختلف استفاده می­نماید. در ادامه نیاز به بازنمایی اهداف/ قصد برای رسیدن به آن‌ها و نیز اعمالی که می ­تواند انجام بدهد و بازنمایی محیط خواهد داشت. بطوریکه برای رسیدن به هدف برنامه­ ریزی نموده، و این کار به صورت برنامه­سازی اتوماتیک صورت می‌پذیرد. همان‌گونه که قبلاً نیز مطرح شد، معماری BDI بر مبنای استدلال عملی است. در این معماری، تصمیم ­گیری بر اساس ساختارهای داده­ای است که باورها، تمایلات و قصد عامل را بیان می­ کنند. باورها بیانگر اطلاعات عامل در مورد وضعیت­های جاری بوده، و تمایلات مجموعه ­ای است که کانون فعالیت عامل را بیان کرده، بطوریکه همان اهداف ممکن است. انتخاب اهداف نیز همان قصد است. فرایند استدلال عملی در عامل BDI در شکل (۲-۱) به صورت تصویری و صوری آورده شده است. با توجه به این شکل، یک معماری BDI شامل هفت جزء می­باشد:

یک تابع بازنگری باورها (brf) که به عنوان ورودی درک عامل را با نگاشت بر روی محیط دریافت نموده و باورهای جاری را به هنگام می­سازد.

پایگاه دانش باورهای جاری، که اطلاعات عامل را در محیط جاری­اش بیان می­ کند.

تابع تولید گزینه­ های انتخاب (Option) که ورودی آن، باورها و قصد عامل بوده و بر اساس آن‌ها انتخاب‌های ممکن برای عامل را که در واقع همان تمایلات وی است، تعیین می­ کند. توصیف صوری این تابع به صورت زیر است:

مجموعه ­ای از گزینه­ های معتبر، که مبین اعمالی است که عامل می ­تواند انجام دهد.

Filter: یک تابع فیلتر که ورودی آن، عقاید، باورها و قصدهای عامل بوده و خروجی آن بر اساس فرایند تبادل نظر (قیاس) اهداف (قصد) جدید عامل است:

مجموعه ­ای از قصدهای، جاری که کانون فعالیت عامل را تعیین می­ کند.

Execute : تابع انتخاب عمل بر پایه قصد و اهداف فعلی که عملی را که باید انجام شود، تعیین می‌کند:

۲-۴-۲- سیستم­های چندعامله

سیستم‌های چندعامله، زیر حوزه­ای در حال رشد از هوش ­مصنوعی است که هدفش فراهم ساختن اصول ساخت سیستم‌های پیچیده­ای است که شامل چند عامل و ساز و کارهایی برای هماهنگ سازی رفتارهای این عامل‌ها می­باشد. چگونگی هماهنگ سازی دانش، اهداف، مهارت‌ها و برنامه­ ریزی­های عامل‌ها برای حل مسائل در این مقوله می­گنجد. عامل‌ها در محیط ممکن است در راستای هدفی خاص و مشترک و یا در راستای اهداف خاص و جداگانه­ ای که در تعامل با یکدیگر می­باشند، کار کنند. بحث هماهنگی در سیستم‌های چندعامله از مباحث اساسی بوده و بدون آن مزایای تعامل و رفتارهای اجتماعی عامل‌ها محو می­گردد. از دیدگاه هوش مصنوعی توزیع شده، سیستم چندعامله، اجتماعی از عامل‌های مستقل برای حل مسأله است که هر عامل کلیه خصوصیات مطرح شده را داراست. سیستم­های چندعامله دارای مشخصات زیر هستند[۲۲] :

دانش کافی و لازم برای حل یک مسأله در یک عامل وجود ندارد.

کنترل سیستم توزیع شده است. (یک سیستم کنترل کلی وجود ندارد.)

داده‌ها غیر متمرکز می‌باشند.

محاسبات به صورت غیر هم‌زمان صورت می‌گیرند.

شکل ۲- ۱: معماری BDI در عامل

سیستم‌های چندعامله راه­حل‌هایی را برای مسائل توزیع­شده در محیط­های محاسباتی باز و پویا فراهم می­آورند. راه حل چنین مسائلی می ­تواند بر مبنای چندین عامل که توزیع­شدگی مسأله، وجود چندین نقطه کنترل، چندین دیدگاه یا علائق در حالت رقابت را پوشش دهند، ارائه گردد. علاوه بر این، عامل‌ها برای رسیدن به اهداف خود نیاز به تعامل با یکدیگر خواهند داشت. این تعاملات که در سطح دانش صورت می­پذیرد، می ­تواند یک تبادل عقاید ساده، تمایلات، یا قصدها برای درخواست انجام عمل باشد که لازم است از طریق هماهنگی، همکاری و یا مذاکره برای مدیریت اعمال وابسته بهم صورت گیرد[۲۳]. این تعامل با تعامل در سایر سیستم‌های محاسباتی دو تفاوت عمده دارد: اول آنکه تعامل میان عامل‌ها در سطح دانش صورت می­گیرد [۲۳, ۲۴]. یعنی این تعاملات بر حسب اینکه چه هدفی باید در چه زمانی، توسط چه افرادی دنبال شود بیان می­شوند و دوم اینکه چون عامل‌ها موجودیت‌هایی انعطاف پذیر هستند که در محیطی که تنها بر روی بخشی از آن کنترل دارند عمل می­ کنند، تعاملات بین آن‌ها نیز باید انعطاف­پذیرتر باشد. لذا عامل‌ها باید بتوانند درباره محدوده تعاملات خود در زمان اجرا تصمیم ­گیری داشته و تعاملاتی را که در زمان طراحی نیز دیده­ نشده­اند، آغاز کنند و یا به آن‌ها پاسخ دهند. تعامل اجتماعی در عامل‌ها بدین معنی است که روابط موجود میان عامل‌ها در حال تکامل می­باشد و روابط جدیدی ایجاد می­گردد. بدین منظور لازم است تا قوانینی به منظور شکل دهی به روابط سازمانی و مکانیزم‌هایی به منظور تضمین انسجام گروهی و ساختارهایی برای مشخص کردن رفتار کلان مجموعه­ها در نظر گرفته شود. به عبارتی عامل‌ها، تعاملات سطح بالا و روابط سازمانی، مفاهیم اساسی در سیستم‌های چندعامله را به وجود می­آورند. یک سیستم چندعامله، از اجزای زیر تشکیل شده است:

یک محیط که در بر گیرنده اجزاء تأثیرگذار در سیستم چندعامله می­باشد. اما لزوماً تمام عوامل تأثیرگذار در حالت سیستم چندعامله، درون آن قرار ندارند.

تعدادی عامل. به طور معمول هیچ­گونه پیش­فرضی در مورد نوع، معماری و تعداد عامل­ها در یک سیستم چندعامله وجود ندارد. از این جهت می­توان یک سیستم چندعامله را به یک جامعه انسانی تشبیه نمود.

مجموعه ­ای از اشیاء درون محیط. هیچ پیش­فرض اولیه­ای در مورد این اشیاء نیز وجود ندارد.

مجموعه ­ای از روابط. این روابط، که می­توان آن­ها را به قوانین نیز تعبیر نمود، ارتباطات میان اشیاء با اشیاء دیگر و نیز ارتباطات بین عامل­ها با اشیاء را مشخص می­نمایند.

مجموعه­ عملیات قابل انجام توسط عامل­ها. این مجموعه شامل دو دسته کلی از عملیات می­باشد. عملیات حس (دریافت اطلاعات) از محیط و عملیات تأثیرگذار بر محیط.

البته به طور رسمی و دقیق سیستم چندعامله به صورت یک چهارتایی  است که در آن Ag = {Ag₁, Ag₂, …, Ag_n} مجموعه عامل‌های تشکیل دهنده سیستم­ چندعامله می‌باشد. Env محیطی است که سیستم چندعامله در آن عمل می­ کند. Org سازمان سیستم چندعامله و D قلمروی آن سیستم چندعامله است.

در ادامه، ما مذاکره که یکی از مباحث مهم موجود در بحث سیستم­های چندعامله است را معرفی خواهیم نمود. برای مطالعه بیشتر در مورد سیستم‌های چندعامله می­توانید به [۱۰] مراجعه کنید.

۲-۴-۲-۱- مذاکره

بیان شد که هماهنگی، صفت سیستمی از عامل‌ها می­باشد که هر کدام فعالیتی را در محیطی مشترک انجام می­ دهند. همکاری، هماهنگی میان عامل‌های غیر خودخواه است در حالیکه مذاکره، هماهنگی میان عامل‌های رقابتی یا منفعت طلب می­باشد.

مذاکره نوعی تعامل است که میان عامل‌هایی با اهداف یا مقاصد متفاوت صورت می­گیرد. مذاکره راه­حلی برای بعضی از مسائل مطرح در هوش مصنوعی توزیع شده مانند تجزیه و تخصیص مسئله، یکپارچگی و حل تضاد می­باشد. اهمیت و استفاده از سیستم‌های خودکار شده در حال افزایش است. یک دلیل برای این اهمیت ایجاد و رشد زیرساختار ارتباطی و محیط‌های ساخت و تولید استاندارد شده – اینترنت، وب، KQML، FIPA، محیط‌های ساخت سیستم‌های مبتنی بر عامل و زبان‌های برنامه­نویسی- می­باشد. دلیل دوم، نیاز به استفاده از مذاکره خودکار شده، در ایجاد برنامه ­های کاربردی که در سطح تصمیم ­گیری عمل می­ کنند، می­باشد. به عنوان مثال می­توان به سیستم‌های تجارت الکترونیکی برای خرید و فروش کالاها، اطلاعات و پهنای باند ارتباطی بر روی اینترنت، سازمان‌های مجازی، مدیریت شبکه ­های مخابراتی، سیستم‌های مبتنی بر وب و مدیریت فرآیندهای سازمانی اشاره نمود. تکنولوژی عامل، مذاکره در سطح تصمیم ­گیری عملیاتی را در این کاربردها تسهیل می­ کند. مذاکره خودکار شده در این کاربردها می‌تواند باعث صرفه­جویی در زمان مذاکره کنندگان انسانی شود. علاوه بر این چون عامل‌های محاسباتی در موقعیت‌های استراتژیک و پیچیده در یافتن قراردادهای کوتاه مدت از مذاکره کنندگان انسانی کاراتر هستند، می­توان به مزایای دیگری نیز دست یافت. محققین حوزه سیستم‌های چندعامله، مذاکره را راهی برای به اشتراک گذاشتن کارهای لازم برای انجام یک طرح مشترک یا مکانیزمی برای برطرف نمودن تضادهای پیش آمده بین عامل‌ها می­دانند. بسیاری از تکنیک‌هایی که برای هماهنگی استفاده می­شوند، شامل نوعی مذاکره هستند. Bussman و Muller تعریفی ابتدایی از مذاکره را به شکل زیر ارائه می­ دهند [۲۵] :

“… مذاکره فرایند ارتباطی گروهی از عامل‌ها به منظور رسیدن به اتفاق نظر بر روی موضوعی خاص می­باشد …".

اگر عامل‌ها بخواهند به شکلی موثر مذاکره کنند، باید درباره باورها، تمایلات و قصدهای سایر عامل‌ها استدلال نمایند و این مسأله باعث به وجود آمدن تکنیک‌هایی برای نمایش و نگهداری مدل‌هایی از باورها، استدلال درباره عقاید سایر عامل‌ها و تأثیرگذاری بر روی مقاصد و باورهای سایر عامل‌ها شده است. اجازه دهید تا فرایند مذاکره را از یک دیدگاه رسمی­ تعریف نماییم [۲۶]. هر فرایند مذاکره شامل چهار مؤلفه اصلی می‌باشد:

مجموعه مذاکره: فضای نمونه‌ای که پیشنهادات ممکن عامل‌ها را در بر می‌گیرد.

پروتکل مذاکره: مجموعه پیشنهادات قانونی را که یک عامل در یک مرحله از مذاکره می‌تواند ارائه دهد را تعریف می‌کند.

مجموعه استراتژی­ها: در یک مذاکره ممکن است دو یا چندین عامل شرکت داشته باشند که هر یک دارای استراتژی خاص خود بوده و این استراتژی هر عامل است که مشخص می‌کند آن عامل چه پیشنهاداتی را ارائه خواهد کرد. مسلماً استراتژی یک عامل شرکت کننده در یک مذاکره از دید بقیه عامل‌های موجود در مذاکره پنهان خواهد بود.

یک قاعده یا قانون که مشخص می‌کند، چه هنگام توافق بین مذاکره کنندگان حاصل گردیده است.

پیشنهادهایی که در فضای نمونه ­ای که توسط مجموعه مذاکره مشخص می­گردد، وجود دارند همگی شامل دو شرط مهم هستند. شرط اول این است که هیچ‌کدام از پیشنهادات به گونه‌ای نباشد که قبول آن برای عامل مقابل بدتر از حالت Conflict deal باشد. حالت Conflict deal حالتی است که در آن عامل پیشنهادات را قبول نکرده و خود تنها کار می­ کند. شرط مهم دیگری که باید وجود داشته باشد، شرط pareto optimal بودن پیشنهادات است به این معنی که پیشنهادات به گونه‌ای باشند که هیچ‌یک از عامل‌های درگیر در مذاکره نتوانند سودمندی بیشتری داشته باشد، مگر اینکه عامل دیگری در قبال این سود بیشتر متحمل ضرر گردد.

پروتکل مذاکره مشخص کننده تعداد تکرارهای مذاکره، نحوه شروع مذاکره، قوانین لازم برای انجام مذاکره و مواردی از این قبیل خواهد بود.

استراتژی یک عامل در مذاکره باید پاسخ سوالات زیر را مشخص کند:

اولین پیشنهاد چگونه باید باشد؟

چه هنگام باید در مورد کاهش یا افزایش سودمندی پیشنهادی انعطاف به خرج داد؟

اگر تصمیم به کاهش یا افزایش سودمندی گرفته شد، مقدار این کاهش یا افزایش چقدر باید باشد؟

پس از معرفی عامل و سیستم‌های چندعامله در این بخش، حال قصد داریم تا مبحث بهره‌گیری از عامل برای داده ­کاوی را مطرح نماییم. بخش آتی به بررسی این موضوع می ­پردازد.

۲-۵- بهره­ گیری از عامل برای داده ­کاوی

در این قسمت قصد داریم تا دلایل استفاده از عامل و سیستم‌های چندعامله را برای عمل داده ­کاوی بیان نماییم. سیستم‌های چندعامله را می­توان به عنوان یکی از انواع سیستم‌های باز در نظر گرفت که امکان همکاری یا رقابت تحت قواعد محیطی مشخص را برای دست‌یابی به هدف مشترک یا هدف خاص هر عامل فراهم می­سازند. هر عامل، بدون توجه به معماری آن، می ­تواند در محیط فعالیت کرده و سود خود یا محیط (که می ­تواند به هر صورتی تعریف شود) را به حداکثر برساند. سیستم‌های چندعامله به صورت ذاتی با یک محیط داده کاوی توزیع شده تطبیق دارند و همین امر موجب گستردگی کاربرد آن‌ها در این قلمرو شده است.

۲-۵-۱- سیستم­های چندعامله، بستری برای داده ­کاوی توزیع شده

چرا تعاملات و یکپارچه کردن عامل‌ها و داده‌کاوی (به طور مخفف، کاوش عامل[۲۷-۳۰]) اهمیت دارد؟ برای درک بهتر این بحث، در اینجا، موارد شباهت سیستم­های چندعامله و داده ­کاوی توزیع شده را مطرح کرده و به توضیح هر یک می­پردازیم.

توزیع‌شدگی منابع اطلاعاتی

با توجه به عدم امکان تجمیع داده ­ها جهت اجرای فرایند داده ­کاوی، می­توان منابع اطلاعاتی یا همان پایگاه داده ­ها را به دو صورت در نظر گرفت. یک راه آن است که هر منبع اطلاعاتی را به صورت یک شیء در نظر بگیریم. چنین رویکردی می ­تواند اجازه بهره ­برداری از منبع اطلاعاتی را به عامل­های موجود بدهد. اما هیچ­گونه خاصیت خود آغازی و یا خواص دیگری از عامل را به منبع اطلاعاتی نخواهد داد. راه دوم، در نظر گرفتن یک عامل مسئول به ­ازای هر منبع اطلاعاتی است. چنین عاملی می ­تواند ضمن بر عهده داشتن نقش­های متداول یک سیستم مدیریت بانک اطلاعاتی رابطه­ای، وظایفی نظیر اعلام موجودیت (مثلاً به یک دایرکتوری مرکزی یا به صورت آگهی در منابع خاص)، انجام پیش‌پردازش­های لازم و اعلام توانائی­ها و سرفصل­های منبع اطلاعاتی ذی‌ربط را بر عهده بگیرد. چنین عاملی می ­تواند در صورت لزوم، آمادگی خود را برای انجام یک وظیفه خاص که توسط یک عامل دیگر (کارفرما) تعریف می­ شود اعلام نموده و در صورت توافق، پس از اجرای وظیفه و ارائه نتایج، هزینه­ های مربوطه را از عامل کارفرما دریافت دارد. در مجموع، ارائه هر منبع اطلاعاتی به صورت یک عامل، ضمن آنکه با توجه به منفعت­گرا بودن عامل مربوطه، منجر به افزایش احتمال کشف وجود آن منبع اطلاعاتی توسط عامل­های دیگر می­ شود، می ­تواند بسیاری از وظایف مفید دیگر را نیز بر عهده عامل مربوطه قرار داده و منجر به افزایش منفعت برای آن (از طریق انجام فعالیت­های مورد درخواست سایر عامل­ها و ارائه نتایج) شود.

توزیع‌شدگی و تنوع روش­ها و سیستم­های داده ­کاوی

رویکردها و روش­های بسیار متنوعی در داده ­کاوی وجود داشته و هر روشی برای کاربرد خاصی مناسب بوده و نوع مشخصی از دانش را از اطلاعات استخراج می­نماید. این تعدد و تکثر روش­ها، اگرچه منجر به کاربرد بیشتر داده ­کاوی در مسائل عملی گردیده، اما از سوی دیگر، موجب مشکلی به نام انتخاب روش یا سیستم داده ­کاوی مناسب یک کاربرد یا مسئله خاص، برای کاربران و سازمان­ها گردیده­ است. سیستم­های داده ­کاوی تجاری، به پیاده­سازی روش­های معمول داده ­کاوی می‌پردازند؛ حال آنکه الگوریتم­های مجزا، معمولاً آخرین دستاوردها در زمینه داده ­کاوی را به نمایش می­گذارند. به کارگیری یک ابزار یا الگوریتم داده ­کاوی نیز خود می ­تواند یک مسئله نه چندان ساده باشد. یک راه برای غلبه بر چنین مشکلی، توسعه عامل­هائی است که در داده ­کاوی تخصص دارند. این تخصص می ­تواند از دو بعد مطرح باشد، از جنبه روش داده ­کاوی و از جنبه کاربرد. به عنوان مثال می‌توان عامل­های متخصصی داشت که در کشف موارد نامتعارف موجود در منابع اطلاعاتی که با الگوهای عادی آن­ها سازگار نیست (نظیر سوء استفاده از کارت­های اعتباری و یا ادعاهای غیرواقعی خسارت توسط بیمه­شدگان) مهارت دارند. چنین تخصصی می ­تواند مورد استفاده بسیاری از سازمان­ها قرار گیرد. با در اختیار داشتن عامل­های نماینده منابع اطلاعاتی مختلف، می­توان عامل متخصصی داشت که ضمن فاش نکردن منابع اطلاعاتی دیگر، خود بتواند به عنوان مثال، احتمال واهی بودن یک ادعای خسارت را مشخص نماید.

در نظر گرفتن عامل­های داده ­کاوی متخصص در یک کاربرد خاص نیز چشم­انداز امیدبخشی دارد. می­توان عامل­هائی را در نظر گرفت که در تشخیص نوع خاصی از یک بیماری مهارت دارند. این عامل­ها ممکن است به نوبه خود، بخشی از وظایف را از طریق مکانیزم­ های پیمانکار-کارفرما، به عامل‌های متخصص در یک فرایند داده ­کاوی خاص واگذار نموده و دقت پیش ­بینی­های خود را به صورت قابل ملاحظه­ای افزایش دهند. در نظر گرفتن عامل­های متخصص داده ­کاوی، نه تنها منجر به مزایائی که ذکر گردید می­ شود، بلکه راه را برای فعالیت­های پیچیده­تر و مفیدتر نیز باز می­ کند.

بکارگیری مکانیزم­ های مناسب برای حل مسائل پیچیده

فرایند حل مسئله، از دیگر مواردی است که می ­تواند در چارچوب پیشنهادی مورد بررسی قرار بگیرد. مکانیزم­ های متعددی برای حل مسئله از طریق همکاری عامل­ها، در سیستم­های چندعامله وجود دارد. از آن جمله می­توان مکانیزم تخته­سیاه را نام برد. توضیح تفصیلی این مکانیزم­ ها، خارج از محدوده این گزارش است؛ صرفاً به عنوان یک مثال، مکانیزم تخته­سیاه را مورد بررسی اجمالی قرار می­دهیم. در روش تخته­سیاه، یک عامل وظیفه نظارت را بر عهده داشته و سایر عامل­ها که نماینده متخصصین هستند، برای حل مسئله با یکدیگر همکاری می­ کنند. هر عامل (متخصص)، در صورتی که بر اساس محتوای تخته سیاه تشخیص دهد که می ­تواند به پیشرفت راه­حل مسئله کمک کند، این اقدام را از طریق افزودن مطالبی به راه­حل موجود (تخته سیاه) انجام می­دهد. ناظر، وظیفه دادن نوبت به عامل­ها برای افزودن به راه­حل موجود یا کاستن از آن را بر عهده دارد. این فرایند تا حل کامل مسئله مورد نظر ادامه خواهد یافت.

داده ­کاوی توزیعی به عنوان یک اتحاد موقت و مسئله مذاکره

همان­گونه که در بخش‌های قبل نیز بیان شد، یکی از دلائل رشد و توسعه داده ­کاوی توزیع شده، وجود رقابت بین سازمان‌های مرتبط و عدم تمایل آن­ها به اشتراک گذاری اطلاعات خام می­باشد. می­توان مکانیزم­هائی را در نظر گرفت (نظیر مکانیزم مزایده) که بتوانند بستر مناسب برای این نوع از داده ­کاوی را فراهم نمایند. مکانیزم باید به هر عامل (نماینده سازمان ذی‌ربط) امکان برآورد منافع و خطرات موجود در شرکت در فرایند داده ­کاوی مشترک را ارائه نماید. همچنین نحوه مبادله اطلاعات و مذاکره در مورد اطلاعات قابل مبادله نیز می ­تواند موضوعی برای تحقیق باشد.

۲-۶- مروری بر کارهای انجام شده

در این بخش قصد داریم کارهای انجام شده در زمینه‌ی داده کاوی توزیع شده، و استفاده از عامل برای داده ­کاوی را بررسی نماییم. قبل از بیان این موارد ابتدا لازم است تا با ارائه یک ساختار درختی جایگاه کارهای مورد بررسی در حوزه داده کاوی را به صورت کلی نشان دهیم (شکل ۲-۲). تقریباً اکثر کارهایی که در بخش داده ­کاوی توزیع شده و نیز کاربرد عامل برای داده ­کاوی انجام شده و در این گزارش مورد بررسی قرار گرفته­اند، شامل کارهایی هستند که در درخت شکل ۲-۲ در نود شماره ۱.۱.۲.۲ و نودهای فرزند آن قرار می­گیرند.

از آنجا که بیشتر کارهای انجام شده در زمینه استفاده از عامل برای داده ­کاوی در زمینه داده ­کاوی توزیع شده بوده است، لذا اجازه دهید تا ابتدا بحث داده ­کاوی توزیع شده را به همراه برخی از مهم‌ترین کارهای انجام شده مورد بررسی قرار دهیم و سپس به بحث استفاده از عامل‌ها در این زمینه بپردازیم.

۱

۱.۲

۱.۱

Data Mining

Static

Dynamic
(Active)

۱.۱.۲

۱.۱.۱

Central

Vertically partitioned

Horizontally partitioned

Data Integration

Distributed

۱.۱.۲.۱

۱.۱.۲.۲

۱.۱.۲.۲.۲

۱.۱.۲.۲.۱

Model Integration

شکل ۲- ۲: درخت تحقیق مبحث داده‌کاوی

۲-۶-۱- داده ­کاوی توزیع شده

در [۳۱] آقای گروسمن، داده‌کاوی را استخراج نیمه اتوماتیک مدل‌ها، الگوها، تغییرات، ناهنجاری‌ها، و دیگر ساختارهای مهم آماری از مجموعه داده‌های بزرگ تعریف کرده است. کاوش پایگاه داده‌های توزیع شده [۳۱-۳۳] موضوعی کاربردی است که حجم عظیم تحقیقات انجام شده در این حوزه، سبب پیشرفت چشم‌گیری در تکنیک‌های طبقه‌بندی [۳۴-۳۶]، خوشه‌بندی [۳۷, ۳۸]، OLAP [39, ۴۰]، کاوش الگوریتم‌های پرتکرار [۴۱-۴۴]، کاوش جریان داده [۴۵, ۴۶]، و ارزیابی شباهت پایگاه داده‌ها [۴۷, ۴۸] شده است. تقریباً، در هر حوزه اصلی پژوهشی داده کاوی، حداقل یک ماژول یا الگوریتم کاوش توزیع شده وجود دارد. موضوعات اصلی این فعالیت‌های تحقیقاتی، به اشتراک گذاشتن شباهت‌هاست به این ترتیب که همه‌ی آن‌ها از روش یکپارچه کردن و/ یا مقایسه منابع داده توزیع شده برای رسیدن به هدف مشترک بهره می‌برند.

به طور کلی، دو گروه عمده در تحقیقات مربوط به داده ­کاوی توزیع شده قابل تشخیص است. گروه اول عبارت است از کارهائی که به از بین بردن مشکل توزیع اطلاعات از راه تجمع اطلاعات در یک نقطه مرکزی با بهره گرفتن از الگوریتم‌ها و پروتکل‌های بهبود یافته شبکه می­پردازند و با فرض این مسئله که در داده ­کاوی توزیع شده دقت و هزینه (ناشی از انتقال اطلاعات) مقابل یکدیگر قرار دارند، برای دست‌یابی به یک راه­حل قابل قبول از طریق وضع یک استراتژی افزایش دقت در مقابل حداقل هزینه (در حالتی که هزینه انتقال اطلاعات قابل صرف­نظر نیست) تلاش می­ کنند. سیستم Papyrus بر این مبنا استوار است.[۴۹] این دسته از کارها در درخت تحقیق شکل ۲-۲ در نود ۱.۱.۲.۲.۱ قرار می­گیرند. گروه دوم از کارهای انجام شده در زمینه داده ­کاوی توزیع شده، با در نظر گرفتن حالت‌های مختلف توزیع اطلاعات، به ارائه روش‌هایی برای داده ­کاوی بدون انتقال اطلاعات خام به یک نقطه مرکزی و معمولاً از طریق جابه­جائی اطلاعات میانی مختلف بین سایت‌ها می‌پردازند؛ معمولاً در تمام این روش‌ها، تلاش بر حداقل ساختن ارتباطات است. این گروه از کارها در درخت تحقیق شکل ۲-۲ در جایگاه ۱.۱.۲.۲.۲ قرار دارند. در پژوهش [۵۰] روشی برای استخراج قواعد وابستگی از اطلاعات توزیع شده، با حداقل ارتباط بین فرآیندهای در حال استخراج قوانین ارائه می­ کند. همچنین به عنوان نمونه ­ای از تحقیقات انجام شده در زمینه حفظ حریم خصوصی در فرایند داده ­کاوی، می­توان به [۵۱] اشاره نمود. دو نمونه دیگر از کاربردهای داده ­کاوی توزیع شده را می­توانید در [۵۲] و [۵۳] مشاهده کنید. در این دو مرجع با بهره گرفتن از مدل‌های ایجاد شده به صورت توزیع شده توسط نودهای مختلف در شبکه و سپس ایجاد مدل داده کلی، سعی می­ شود تا عملیات نفوذ به شبکه شناسایی و خنثی گردد. البته در [۵۳] در هر نود مذکور در شبکه یک عامل قرار دارد که فعالیت‌های مربوط به ایجاد مدل داده و ارتباط با دیگر عامل‌ها را بر عهده دارد.

از دیدگاه طبقه‌بندی و خوشه‌بندی، مشکل کشف الگو از پایگاه داده‌های توزیع شده ناشی از چگونگی آموزش مدل‌های کلی از اطلاعات بدست آمده از چندین پایگاه داده است. برای تحقق این هدف از دو روش می‌توان استفاده کرد، جمع آوری داده‌ها در قالب یک نگاه واحد، و یا یکپارچه‌سازی مدل‌های ساخته شده از پایگاه داده‌های مجزا.[۵۴, ۵۵] Kargupta و همکاران یک چارچوب داده کاوی اشتراکی با یک کلید اصلی برای یکپارچه کردن داده‌ها در یک نگاه واحد پیشنهاد دادند.[۵۶] فرضیات مشابهی برای حفظ حریم خصوصی در داده کاوی [۵۷, ۵۸]، یک‌دسته کردن و جمع آوری خوشه‌ها [۳۸]، و یکپارچه سازی مدل برپایه‌ی کرنل [۵۴]، از داده‌های ناهمگون ارائه شده است. یین^[۲۷] و همکارانش یک کاوشگر عرضی برای طبقه‌بندی پایگاه داده‌های رابطه‌ای چندگانه پیشنهاد داده بودند. [۵۹] وانگ^[۲۸] و همکارانش، مشکل تقویت خوشه‌بندی چند نوع شی بین رابطه‌ای (به عنوان مثال اسناد وب) را مورد بررسی قرار دادند.[۶۰] مشکل کاوش الگوی پرتکرار برای پایگاه داده‌های توزیع شده به خوبی مورد مطالعه قرار گرفته است [۴۲, ۴۳, ۵۰, ۵۶, ۶۱-۶۷] و سه سازوکار توزیع شمارشی^[۲۹]، توزیع داده‌ها، و توزیع کاندید^[۳۰] ارائه شده است. [۵۶] در تمام این فعالیت‌های پژوهشی، در درجه‌ی اول، تمرکز بر روی کاوش پایگاه داده‌های بزرگ، یا جریان‌های داده متوالی (به عبارتی کاوش الگوهای ال^[۳۱])، یا یکپارچه کردن الگوهای کشف شده از پایگاه داده‌های مجزا در قالب یک دانش جدید (به عبارتی کاوش الگوهای جی^[۳۲]) بوده است. همچنین برخی از معماری‌های سیستم به منظور کشف الگوهای پرتکرار از مجموعه داده‌های در مقیاس ترابایت که بر روی سیستم‌های خوشه‌ای اجرا می‌شوند [۶۸]، طراحی شده‌اند که از داده ساختارهای فشرده (مشابه درخت FP^[33] [۶۹])، و متدهای رمزنگاری مختصر استفاده می‌کنند. هرچند، این چارچوب‌ها و راه حل‌ها دامنه‌ی کاری خود را به حجم داده محدود می‌کنند، اما، هیچ سازوکاری برای مطالعه‌ی مقایسه‌ای بر روی پایگاه داده‌های متعدد و کشف روابط بین الگوها ندارند.

هنگامی که داده‌ها در چندین منبع داده (متمرکز یا توزیع شده) وجود دارند، یکی از مهم‌ترین کارها، بررسی شباهت بین پایگاه داده‌ها برای کشف اطلاعات ساختاری بین آن‌ها به منظور خوشه‌بندی[۷۰] یا طبقه‌بندی[۷۱] است. آقایان parthasarathy [72] و لی [۴۷] مشکل ارزیابی شباهت پایگاه داده با مقایسه قوانین انجمنی از پایگاه داده‌های مختلف، به عنوان مثال، قوانین یکسان کشف شده از پایگاه داده‌های مختلف، و تعداد تکرار نمونه‌هایی که از آن قانون تبعیت می‌کنند، را مورد بررسی و مطالعه قرار دادند. اهمیت یافتن اختلافات بین پایگاه داده‌ها، مسئله‌ای است که توسط محققان بسیاری مورد مطالعه قرار گرفته است [۴۸, ۷۳-۷۵]، و اکثر روش‌ها بر روی مقایسه‌ی یک جفت پایگاه داده در یک زمان تمرکز دارند. وب^[۳۴] و همکارانش، یک روش بر پایه‌ی قانون، به منظور کشف مجموعه تضادهای بین دو پایگاه داده پیشنهاد دادند.[۴۸] Xu و همکارانش، روشی برای کشف انتظارات نسبی بین محصولات از دیدگاه مشتریان پیشنهاد دادند.[۷۶] در مرجع [۷۵]، روش‌هایی برای ارزیابی هم‌ارزی مفهومی بین دو پایگاه داده ارائه شده است. جی و همکارانش، روش‌هایی برای کشف الگوهای متوالی با حداقل تمایز بین دو مجموعه داده، پیشنهاد دادند [۷۷] که در آن الگوها به صورت “پرتکرار در پایگاه داده‌ی A و به طور قابل توجهی کم تکرار در پایگاه داده‌ی B"، به عبارت دیگر، {(A≥α) & (B≤β)} وجود دارند. تمام این روش‌ها بر یافتن اختلافات (در قالب اقلام داده و یا الگوها) بین دو مجموعه داده، تمرکز دارند، اما نمی‌توانند از جستجوهای پیچیده پشتیبانی کنند.

تحقیقات بسیاری در حوزه جستجوی پایگاه داده، و پشتیبانی از عملیات داده کاوی [۷۸-۸۱] صورت گرفته است، و زبان‌های جستجوی پایگاه داده برای پشتیبانی از عملیات کاوش، گسترش یافته‌اند، اما اغلب فعالیت‌های پژوهشی بر روی یک پایگاه داده‌ی مستقل با شرایط جستجوی نسبتاً ساده تمرکز کرده‌اند. در مرجع [۷۸] جین و Agrawal، یک سازوکار برپایه‌ی SQL برای کاوش الگوهای پرتکرار بین چندین پایگاه داده، با هدف بهینه سازی جستجوهای کاربران به منظور یافتن الگوهای واجد شرایط ارائه دادند. ۳ نکته‌ای که در مورد این مقاله باید مورد توجه قرار گیرد: ۱) فعالیت‌های انجام شده در تحقیقات آن‌ها تنها بر روی شمارش برنامه‌های جستجو و انتخاب موردی که کم‌ترین هزینه را دارد، تمرکز کرده‌اند. ۲) به دلیل محدودیت‌های چارچوب کاوش الگوی آن‌ها (که بر روی پایگاه داده‌های مستقل کار می‌کردند)، راه حلی که آن‌ها ارائه دادند، تنها می‌تواند پاسخگوی جستجوهای ساده باشد، به عبارت دیگر، هر کدام از مؤلفه‌های این جستجو باید به صراحت یک پایگاه داده‌ی واحد و مقدار آستانه‌ی متناظر با آن را مشخص کنند، مانند {(Si≥α۱) & (Sj≥α۲) & (Sk≤β)}. بنابراین روش‌های آن‌ها نمی‌تواند جستجوهای پیچیده را جوابگو باشد، و بنابراین کاربرد آن محدود است؛ و ۳ ) روش‌های آن‌ها فقط برای پایگاه داده‌های متمرکز قابل اجرا هستند، در صورتی که ما قصد داریم داده کاوی و کشف دانش را بر روی پایگاه داده‌های توزیع شده انجام دهیم.

۲-۶-۲- کارهای مهم انجام شده در زمینه داده ­کاوی با بهره گرفتن از عامل

این دسته از روش‌ها، رویکرد مبتنی بر عامل را در مواجهه با مسئله داده کاوی توزیع شده پیش­ می‌گیرند. اگرچه، همان­گونه که در ادامه به تفصیل بیان خواهد گردید، این رویکرد غالباً به نوع نام‌گذاری راه­حل ارائه شده بازمی­گردد و نه به خصایص ذاتی عامل (به خصوص هوشمندی). این دسته از روش‌ها در درخت تحقیق شکل ۲-۲ در نود ۱.۲.۲ و به طور دقیق‌تر در نود ۱.۱.۲.۲ قرار می­گیرند.

سیستم‌های شناخته شده که داده ­کاوی توزیع شده را با بهره گرفتن از عامل‌ها پیاده­سازی می­ کنند عبارتند از: سیستم‌های ^[۳۵]JAM [82] و ^[۳۶]PADMA [83]. عامل‌های جاوا برای ابریادگیری (JAM)، نام یک سیستم توزیع شده است که با بهره گرفتن از عامل‌ها به داده ­کاوی می ­پردازد. این سیستم از تعدادی سایت تشکیل شده است که هر سایت دارای بانک اطلاعاتی خاص خود و نیز تعدادی یادگیرنده می­باشد. دو گروه کلی از یادگیرنده­ها وجود دارد: یادگیرنده­هائی که در سطح اطلاعات خام عمل می­ کنند و یادگیرنده‌هائی که توانائی ادغام یادگیرنده­های دیگر را دارند (ابریادگیرنده­ها). سایت‌ها با رابط تعریف شده‌ای با یکدیگر ارتباط برقرار کرده و درخواست مواردی نظیر ساختار بانک اطلاعاتی یک سایت دیگر (در اینجا صرفاً ساختار یک جدول اطلاعاتی مورد نظر است) و یا فهرست یادگیرنده­های آن را مطرح می‌نمایند. در اینجا قصد نداریم به بررسی نقاط ضعف چنین رویکردی برای داده ­کاوی روی اطلاعات ناهمگون بپردازیم، بلکه موضوع را صرفاً از دید عامل‌ها و سیستم‌های چندعامله مورد بررسی قرار می­دهیم.

سیستم JAM دارای تعدادی خصیصه مفید و مهم است. نسبتاً باز بودن سیستم، به این صورت که هر یادگیرنده­ای در صورت پیاده­سازی یک واسط تعریف شده توسط سیستم، که بسیار ساده بوده و یک یادگیرنده صرف نظر از تمایل آن به حضور در سیستم JAM، باید دارای چنین واسطی باشد، می ­تواند در سیستم به کار گرفته شود. به اشتراک گذاشتن یادگیرنده­ها بین سایت‌های مختلف، از دیگر مزایای این سیستم است که امکان جابه­جائی یادگیرنده­ها (عملاً برنامه ­های یادگیرنده) را بین سایت‌های مختلف امکان‌پذیر می­سازد. لازم به ذکر است که چنین امکانی به مفهوم ساخت یک طبقه‌بندی کننده بر روی داده‌های توزیع شده نیست، بلکه صرفاً به معنی امکان بهره­ گیری از یادگیرنده­های متنوع در حل یک مسئله محلی است.

سیستم JAM، علیرغم مزایایی که برشمرده شد، دچار کاستی­هائی است که حتی نحوه نام­گذاری آن را نیز با پرسش روبرو می­سازند. نخستین نقص به نحوه عملکرد سایت‌ها برمی­گردد. سایت‌ها در سیستم JAM، بر اساس وقایع عمل می­ کنند که هر واقعه یا توسط سرپرست سایت ایجاد شده و یا توسط سایت‌های دیگر، که در مورد اخیر نیز در نهایت یک کاربر درخواست کار را مطرح نموده است. چنین رویکردی با یکی از اصول بنیادین مطرح در تعریف عامل در تضاد است: خودآغاز بودن و دریافت پیوسته علائم از محیط و عمل بر اساس این دریافت‌ها. بنابراین اطلاق لفظ عامل به یادگیرنده­های مطرح در سیستم JAM با اشکال همراه است. دومین اشکالی که بر اساس تعریف عامل در سیستم مذکور وجود دارد، عدم توجه به مسئله تعادل بین رفتار واکنشی و رفتار پیش فعال است. در اینجا یادگیرنده­ها صرفاً بر اساس یک الگوریتم یادگیری ماشین، به استخراج دانش از مجموعه­ اطلاعات ارائه شده به عنوان ورودی پرداخته و هیچ رفتار دیگری برای آن‌ها در نظر گرفته نمی­ شود.

اگرچه سیستم JAMهرگز اشاره­ای به مفهوم سیستم‌های چندعامله ندارد، اما جهت فراهم آمدن امکان مقایسه بعدی، سیستم مذکور را از این جنبه نیز مورد توجه قرار می­دهیم. در نگاه نخست، JAM دارای خواصی مشابه با سیستم‌های چندعامله می­باشد: وجود اشیاء و قوانین محیطی؛ اما از سوی دیگر، حتی با قبول وجود عامل‌ها (در واقع یادگیرنده­ها) در سیستم مذکور، با چند مورد نقض تعریف سیستم چندعامله مواجه هستیم. نخست آنکه مفهوم ارتباط بین عامل‌ها فراتر از تعریف یک یا چند واسط مشخص و ثابت، آن گونه که در سیستم JAM انجام شده است، می­باشد؛ در واقع در یک سیستم چندعامله به حداقل یک پروتکل ارتباطی که قوانینی را برای مشخص کردن نحوه به کار­گیری زبان ارتباطی مشخص می­نماید، نیاز داریم. هر عامل بر حسب معماری و هدف خود، با سایر عوامل محیطی ارتباط برقرار خواهد کرد. همچنین مسئله تأثیر عامل‌ها بر محیط نیز در اینجا در نظر گرفته نشده است.

دومین سیستمی که در اینجا مورد بررسی قرار می­دهیم، سیستم PADMA (داده کاوی موازی توسط عامل‌ها) می­باشد. سیستم مذکور، شامل تعدادی عامل، واسط کاربری و یک هماهنگ­کننده می­باشد. نقش اصلی هماهنگ­کننده در سیستم، دریافت درخواست‌های کاربر و ارجاع آن‌ها به عامل‌ها و سپس جمع‌ آوری و ترکیب نتایج دریافت شده از عامل‌ها می­باشد. هر عامل دارای دو توانائی اصلی می­باشد: خوشه­بندی و پاسخ به پرس­و­جو، که قابلیت اخیر امکان دسترسی موازی به اطلاعات ذخیره شده در یک بانک اطلاعاتی را فراهم می ­آورد. نتایج هر یک از این دو فرایند انجام شده توسط هر عامل، به هماهنگ‌کننده منتقل می­گردد تا نتیجه نهایی از ترکیب نتایج میانی حاصل شود. هر عامل به صورت مستقل بر روی اطلاعات در دسترس خود عمل می­ کند؛ به عبارت دیگر، یکی از خواص سیستم‌های چندعامله که عدم دسترسی یک عامل تنها به تمامی منابع لازم برای دست‌یابی به هدف می­باشد، در اینجا رعایت شده است.

سیستم PADMA نیز با کمبودهائی مشابه با سیستم JAM همراه است. همچنان که از تعریف سیستم مشخص است، در این مورد نیز مسئله خودکار بودن عامل و همچنین تعدد عملیات انجام­پذیر در هر لحظه، نادیده گرفته شده است و عامل‌ها صرفاً به پرس­و­جوی کاربر پاسخ می­ دهند. دخالت مستقیم کاربر در عملیات، با تعریف عامل در تضاد آشکار است. همچنین مسئله ارتباط بین عامل‌ها در مورد سیستم PADMA نیز حل نشده باقی مانده و به جای پروتکل ارتباطی، یک زبان ارتباطی با امکان انتقال اطلاعات خام و گراف‌های مفهوم، تعریف شده است. تصمیم ­گیری برای شرکت یا عدم شرکت در یک فرایند داده‌کاوی توزیع شده، به هیچ وجه جزء اختیارات عامل منظور نشده و تنها می­توان نوعی همکاری ساده (در قالب انتقال نتایج به یک هماهنگ­کننده) را بین عامل‌ها تشخیص داد؛ بدیهی است که این نوع از همکاری، با آنچه در مورد سیستم‌های چندعامله مطرح است تفاوت زیادی دارد؛ در اینجا حتی هماهنگی بین عامل‌ها (انجام بعضی عملیات در صورت وقوع شرایط خاص ناشی از اعمال سایر عامل‌ها) نیز ضروری نبوده و صرف ادغام نتایج پس از حصول اطمینان از دریافت نتایج کار تمام عامل‌ها، برای دست‌یابی به هدف کفایت خواهد کرد. بنا به دلایل فوق، ۱) سیستم PADMA بر مبنای سیستم‌های چندعامله نیست، اگرچه نویسندگان نیز چنین ادعایی را مطرح نکرده ­اند و ۲) برخلاف نام‌گذاری انجام شده در مورد PADMA، این سیستم را نمی­ توان مبتنی بر عامل دانست. بدیهی است که با توجه به موارد مطرح شده، اطلاق عنوان داده ­کاوی توزیع شده از طریق سیستم‌های چندعامله به سیستم PADMA صحیح نمی ­باشد. البته در زمینه بهره­­گیری از عامل‌ها برای داده ­کاوی کارهای دیگری نیز انجام گردیده است که برای مطالعه بیشتر می­توانید به [۸۴] مراجعه نمایید.

۲-۷- جمع­بندی

در این فصل ما ابتدا به معرفی داده ­کاوی و تکنیک‌های آن پرداختیم، تکنیک کاوش قواعد انجمنی را به تفصیل مورد بررسی قرار دادیم، سپس داده ­کاوی توزیع شده، عامل و سیستم‌های چندعامله، و موارد کاربرد عامل را برای داده ­کاوی مورد بررسی قرار دادیم، و پس از آن، الگوریتم ژنتیک و مفاهیم بنیادی این حوزه را بیان داشتیم. و در نهایت کارها و تحقیقات انجام شده در این زمینه‌ها را بررسی نمودیم. همان‌طور که مشاهده گردید در مبحث مربوط به استفاده از عامل برای داده ­کاوی توزیع شده بیشتر خصوصیاتی از عامل همچون خودمختاری، خودآغازی و بیشتر از همه بحث متحرک بودن و قابلیت استفاده از آن در محیط‌های توزیع شده مورد بررسی قرار گرفته است، در حالیکه به بهره­ گیری از بسیاری از خصوصیات مهم عامل همچون هوشمندی، قابلیت یادگیری و استدلال، هدف­گرایی و غیره چندان توجهی نشده است.

فصل سوم روش تحقیق

۳-۱- مقدمه

در این فصل، ابتدا شرح مختصری بر داده‌کاوی در محیط‌های توزیع شده و مشکلات و چالش‌های مرتبط با این تکنولوژی ارائه خواهد شد. سپس عامل‌ها و سیستم‌های چند عامله، به عنوان اهرمی برای رفع مشکلات و اصلاح این تکنولوژی مطرح گردیده و مزایای آن برشمرده می‌شود. و در نهایت الگوریتم‌های مطرح در حوزه کشف قوانین انجمنی مورد بررسی قرار خواهند گرفت.

۳-۲- داده کاوی توزیع شده

همانطور که در فصل قبل اشاره شد، داده کاوی توزیع شده به معنای کاوش مجموعه داده‌های توزیع شده می‌باشد. مجموعه داده‌ها در پایگاه داده‌های محلی که توسط کامپیوترهای محلی و از طریق یک شبکه کامپیوتری بهم متصل هستند، ذخیره می‌گردند.[۸۵] در شرایط کنونی، اغلب پایگاه داده‌های بزرگ به صورت توزیع شده وجود دارند، و با توسعه تکنولوژی اینترنت و تعمیم یافتن شبکه‌های کامپیوتری، کشف دانش منابع شبکه، مورد توجه افراد قرار گرفته است، و محیط شبکه‌ای، یک پایگاه داده توزیع شده‌ی بزرگ محسوب می‌شود. زمانی که داده کاوی در محیطی صورت می‌گیرد که کاربران، داده‌ها، سخت‌افزار و نرم‌افزار داده کاوی در مکان‌های جغرافیایی مختلفی هستند، به این عمل داده کاوی توزیع شده می‌گویند. این‌گونه محیط‌ها به طور خاص دارای ویژگی‌هایی مانند غیریکنواختی داده‌ها، کاربران متعدد و حجم زیاد داده‌ها هستند. داده‌کاوی در یک سطح محلی و همچنین در یک سطح عمومی جایی که نتایج داده‌کاوی محلی برای رسیدن به یافته‌های عمومی ترکیب می‌شوند، صورت می‌پذیرد. از داده کاوی توزیع شده اغلب در منابع موجود با عنوان داده کاوی موازی نام برده می‌شود.[۸۶]

با اینکه هر دو روش سعی در بهبود کارایی سیستم‌های داده کاوی سنتی دارند اما آن‌ها ساختارهای متفاوتی را برای سیستم‌ها در نظر می‌گیرند و از شیوه‌های مختلفی بهره می‌گیرند. در داده کاوی توزیع شده کامپیوترها در مکان‌های مختلفی قرار دارند و از طریق تبادل پیام‌ها ارتباط برقرار می‌کنند. در داده کاوی موازی یک کامپیوتر موازی دارای پردازنده‌هایی است که حافظه و یا دیسک را به اشتراک می‌گذارند.

به کامپیوترهایی که در یک سیستم داده کاوی توزیع شده فعالیت می‌کنند می‌توان به دید پردازنده‌هایی که هیچ چیزی را به اشتراک نمی‌گذارند نگریست. این تفاوت در ساختار، تأثیر زیادی بر روی طراحی الگوریتم، مدل هزینه‌ای و اندازه‌گیری کارایی در داده کاوی توزیع شده و موازی دارد.[۸۶]

دو مسئله نیاز به داده کاوی توزیع شده را به ما تحمیل می‌کنند: داده‌ها ممکن است به طور ذاتی توزیع شده باشند و این مسئله می‌تواند به دلایل عملیاتی مختلفی مانند توزیع امن و مقاوم به خطای داده‌ها و خدمات و یا پلت فرم‌های متحرک باشد. همچنین، هزینه انتقال داده‌ها به یک سایت واحد، معمولاً بالا و گاهی اوقات غیرقابل قبول است.[۸۷]

مسئله دوم اینست که تعداد زیادی از الگوریتم‌های کاوش نیاز به این دارند که تمام داده‌ها در حافظه موجود باشند. این امر شاید برای مجموعه داده‌های بزرگ غیرممکن باشد زیرا این الگوریتم‌های یادگیری توانایی پردازش این حجم عظیم داده‌ها را ندارند. قسمت‌بندی داده‌ها یکی از راه‌ حل ‌های معمول برای این مشکل می‌باشد.

در نتیجه، داده کاوی توزیع شده تکنیک‌هایی برای کشف الگوهای مهم در پایگاه داده‌های مجزا، بررسی الگوها از یک منظر واحد، و کشف روابط خاص بین مجموعه داده‌های متفاوت است.[۸۸] الگوریتم‌های داده کاوی توزیع شده معمول، تحلیل داده‌های محلی را صورت می‌دهند که پس از آن با بهره گرفتن از روش‌های یکپارچه‌سازی دانش، دانش عمومی از آن‌ها استخراج می‌شود. یک نمونه از داده کاوی توزیع شده در شکل ۳-۱ نشان داده شده است.

شکل ۳- ۱:یک چارچوب داده‌کاوی توزیع شده

۳-۲-۱- گروه‌بندی مدل‌های داده‌کاوی توزیع شده

به طور کلی، دو نوع مدل معماری در توسعه‌ی سیستم‌های داده‌کاوی توزیع شده مورد استفاده قرار می‌گیرند، که عبارتند از: کلاینت سرور، و عامل‌های نرم‌افزاری. همان‌طور که در شکل ۳-۲ نشان داده شده است، دسته‌ی عامل‌ها، خود می‌توانند با توجه به اینکه آیا قابلیت جابجایی با هدایت خود را دارند یا خیر، به دو گروه تقسیم شوند.[۸۹]

سیستم‌های داده‌کاوی توزیع شده

معماری‌ها

کلاینت - سرور

عامل‌های نرم‌افزاری

جابجایی با هدایت خود

ساکن و بی حرکت

موبایل

شکل ۳- ۲: گروه‌بندی سیستم‌های داده‌کاوی توزیع شده

۳-۲-۲- مشکلات داده‌کاوی توزیع شده

مسئله‌ای که داده کاوی توزیع شده می‌خواهد آن را حل کند، کشف و استخراج دانش از پایگاه داده توزیع شده است، که این کار با مشکلات پیچیده‌ای روبرو است، مانند منابع داده‌ای بزرگ، مشکلات انتقال داده، ترکیب داده‌ها، و غیره. در زیر به تعدادی از این موارد اشاره شده است:

۳-۲-۲-۱- افزونگی داده

برای استفاده و مدیریت درست، معمولاً حجم عظیمی از افزونگی داده در پایگاه داده توزیع شده وجود دارد، و این مسئله تأثیرات منفی بسیاری بر روی داده‌کاوی می‌گذارد، و منجر به بروز مشکل داده‌های ناجور می‌شود.

۳-۲-۲-۲- تغییرات پویای محیط

در محیط شبکه‌ای داده متغیر است، داده‌کاوی و جمع آوری نتایج درست که وابسته به زمان باشند، مشکل است.

۳-۲-۲-۳- سربار ارتباطات

در محیط توزیع شده، ارتباطات داده‌ای تأثیر قابل توجهی بر روی زمان سپری شده دارند، و هزینه‌ها به طور عمده مرتبط با پهنای باند و ترافیک شبکه هستند، بنابراین در زمان طراحی سیستم داده‌کاوی، تا جایی که امکان دارد باید ارتباطات داده‌ای کاهش یابد.

۳-۲-۲-۴- مشکلات داده‌کاوی توزیع شده به روش سنتی

پردازش داده‌ها با بهره گرفتن از روش داده کاوی و مدل سیستم کاوش سنتی برپایه‌ی روش متمرکز هستند. راه حل کلی داده کاوی بر روی مخازن توزیع شده، انتقال داده‌های سایت‌های محلی به بخش مرکزی و سپس اجرای متد داده کاوی متمرکز برای کاوش داده است. مزیت این روش این است که با بهره گرفتن از تکنولوژی داده کاوی و سیستم کاوش، می‌توان به نتایج ایده‌آل رسید، اما معایب و نواقص این روش نیز بارز است، که در اینجا به دو مورد اشاره می‌شود:

داده کاوی به معنای استخراج دانش از حجم عظیم داده است، و انتقال حجم عظیم داده به بخش مرکزی می‌تواند منجر به تراکم زیاد بر روی شبکه شود.

داده‌ای که می‌بایست در این روش، بر روی شبکه منتقل شود، اغلب با مشکلات و مسائل امنیتی روبرو است.

۳-۳- عامل‌ها و داده‌کاوی

در بسیاری از حالات، هم سیستم‌های چند عامله و هم سیستم‌های داده‌کاوی، درگیر مسائل هوشمندی می‌شوند. این مورد، چالش‌های مشترکی که هر دو حوزه با آن‌ها روبرو هستند را آشکار می‌سازد. برای مقابله با چنین چالش‌هایی، در کنار تکنیک‌های جدیدی که در هر یک از این دو حوزه باید ابداع شوند، یک روش قابل اطمینان، ترکیب این دو رشته است که بتوانند مکمل یکدیگر باشند.

چرا تعاملات و یکپارچه کردن عامل‌ها و داده‌کاوی اهمیت دارد؟ دلائل صریح و روشن و غیر صریحی برای این مسئله وجود دارد. دلائل صریح می‌توانند شامل موارد زیر باشند [۹۰, ۹۱]:

محدودیت‌ها و چالش‌های سیستم‌هایی که تنها بر پایه‌ی عامل‌ها بنا نهاده شده‌اند، با داده‌کاوی قابل حل است. در واقع تکنولوژی داده‌کاوی مکمل تکنولوژی عامل می‌باشد. به عنوان نمونه، می‌توان از یادگیری عامل‌ها بر پایه‌ی داده‌کاوی، مدل‌سازی کاربر و تجزیه و تحلیل اطلاعات نام برد.

محدودیت‌ها و چالش‌هایی که سیستم‌های داده‌کاوی با آن‌ها روبرو هستند، می‌توانند توسط تکنولوژی عامل بهتر پاسخ داده شوند. به عنوان مثال، زیرساخت داده‌کاوی برپایه‌ی عامل، استفاده از عامل‌ها برای آماده سازی و مدیریت داده‌ها، و سرویس‌دهی بر پایه‌ی عامل.

کاوش-عامل، می‌تواند نتایج و دستاوردهای بهتری را نسبت به حالتی که این دو تکنولوژی بطور مجزا بکار گرفته می‌شوند، به ارمغان آورد. به عنوان نمونه، هوشمندی بیشتر قابلیت‌ها در درک بهتر مسائل، یادگیری، سازگاری، تصمیم‌گیری، کشف، و استدلال.

و دلائل غیرصریح که مهم هستند و باید مورد توجه قرار بگیرند، می‌توانند شامل موارد زیر باشند:

کاوش-عامل، برای مقابله با پدیده‌ی هوشمندی و پیچیدگی‌های سیستم در سیستم‌های هوشمند پیچیده، ضروری است. سیستم‌های هوشمند ساده، و سایر مسائل که بتوانند با بهره گرفتن از یکی از این دو تکنولوژی پاسخ داده شوند، مانند سیستم یکپارچه کردن داده‌ها بر پایه‌ی عامل، نیازی به بکارگیری هر دو تکنولوژی ندارند.

ظهور هوشمندی، در کاوش عامل، می‌تواند قابلیت حل مشکل سیستم‌های هوشمند را قدرت بخشد، که این تنها، با بهره گرفتن از یکی از این دو تکنولوژی قابل انجام نیست.

نقش‌های غیرواضح باید از طریق مطالعات میان رشته‌ای کشف شوند. شناسایی نقش‌ها و توسعه آن‌ها، می‌تواند یکی از دو طرف یا کل سیستم یکپارچه‌ی کاوش عامل را بطور گسترده‌ای توسعه دهد.

مباحث تحقیقاتی، فرصت‌ها، تکنیک‌ها، و سیستم‌های جدید در جامعه کاوش عامل، شکل می‌گیرد.

این مورد که تکنولوژی عامل‌ها و داده‌کاوی می‌توانند مکمل یکدیگر باشند، باید مورد بحث و بررسی قرار گیرد. کاوش عامل، می‌تواند با ارائه‌ تکنیک‌ها و رویکرد‌های نوین، هر دو حوزه را توسعه دهد و چالش‌های آن‌ها را بگونه‌ای رفع کند که هر کدام به تنهایی قادر به آن نیستند. مزایایی که کاوش عامل برای حوزه‌های داده‌کاوی و عامل‌ها به ارمغان می‌آورد عبارتند از:

بهبود تکنولوژی عامل‌ها از طریق داده‌کاوی: تعاملات کاوش-عامل، اولین بار در سال ۱۹۹۱ با یادگیری عامل‌ها بر پایه‌ی داده‌کاوی صورت گرفت. داده‌کاوی، می‌تواند در جنبه‌های مختلف، علی‌الخصوص، در یادگیری عامل، هماهنگی و برنامه‌ریزی عامل، مدلسازی و سرویس‌دهی کاربر، و سرویس‌دهی شبکه، تاثیر قابل توجهی در رشد و بهبود تکنولوژی عامل داشته باشد.

توسعه دادن داده‌کاوی از طریق عامل‌ها: حدود سال ۱۹۹۳ تلاش برای استفاده از داده‌کاوی برپایه‌ی عامل‌ها یا به عبارتی استفاده از تکنولوژی عامل برای بهبود داده‌کاوی شکل گرفت. بهبود این تکنولوژی می‌تواند از جنبه‌های مختلفی مورد بررسی قرار گیرد، به عنوان نمونه، زیرساخت کشف دانش بر پایه‌ی عامل، پردازش توزیع شده بر پایه‌ی عامل، داده‌کاوی تعاملی بر پایه‌ی عامل، و ذخیره کردن داده بر پایه‌ی عامل.

ساخت سیستم‌های فوق هوشمند: استفاده از کاوش عامل می‌تواند منجر به ساخت سیستم‌های هوشمندتری شود که به بهترین نحو از قدرت هوشمندی عامل‌ها و قدرت داده‌کاوی در پردازش دانش بهره می‌برند.

۳-۳-۱- حوزه کاوش عامل

یکپارچه‌سازی و تعاملات داده‌کاوی و عامل‌ها، یا بطور مخفف، کاوش عامل، حوزه‌ی تحقیقاتی جدید و نویدبخشی را شکل داده است. محققان این حوزه، همچون سایر حوزه‌های علمی نوظهور، بر روی متدولوژی‌ها، اصول، تکنیک‌ها و برنامه‌های کاربردی یکپارچه‌سازی و تعاملات بین عامل‌ها و داده‌کاوی مطالعاتی را انجام می‌دهند. کاوش عامل، یک حوزه جامع، چند بعدی و میان رشته‌ای است.

به منظور تلفیق این دو تکنولوژی، نکته‌ای که باید مورد توجه قرار بگیرد این است که کاوش عامل، باید بین آن‌ها از ابعاد مختلف (شکل ۳-۳)، به عنوان مثال، منابع، زیرساخت، یادگیری، دانش، تعامل، واسط، اجتماعی، برنامه کاربردی، و کارایی اشتراک عمل برقرار کند [۹۲]. این ابعاد به اختصار در زیر شرح داده شده‌اند:

لایه‌ی منابع: تعاملات و یکپارچه‌سازی در سطح داده‌ها و اطلاعات صورت می‌گیرد.

لایه‌ی زیرساخت: تعاملات و یکپارچه‌سازی در زیرساخت، معماری، و یا در سطح پردازشی شکل می‌گیرد.

لایه‌ی دانش: در این لایه، تعاملات و یکپارچه‌سازی بر مبنای دانش هستند، که شامل دانش دامنه، دانش افراد خبره، متا دانش، دانش بازیافتی، استخراج شده یا کشف شده از منابع می‌باشند.

لایه‌ی یادگیری: تعاملات و یکپارچه‌سازی این لایه بر پایه‌ی متدهای یادگیری، قابلیت‌های یادگیری، و دیدگاه کارایی شکل می‌گیرد.

لایه‌ی تعاملات: در این لایه، به تعاملات و یکپارچه‌سازی از دیدگاه هماهنگی، مشارکت، مذاکره، و ارتباطات پرداخته می‌شود.

لایه‌ی واسط: تعاملات و یکپارچه‌سازی این دو تکنولوژی در این لایه درارتباط با واسط بین کاربر و سیستم، مدلسازی کاربر و طراحی واسط است.

لایه‌ی اجتماعی: در این لایه، تعاملات و یکپارچه‌سازی می‌تواند بر روی فاکتورهای سازمانی و اجتماعی، به عنوان مثال، نقش انسان، باشد.

لایه‌ی برنامه کاربردی: تعاملات و یکپارچه‌سازی این لایه در ارتباط با مشکلات برنامه‌ها و دامنه است.

لایه‌ی کارایی: تعاملات و یکپارچه‌سازی به منظور افزایش کارایی یکی از تکنولوژی‌ها و یا کل سیستم صورت می‌گیرد.

شکل ۳- ۳: اشتراک عمل چند بعدی کاوش- عامل

اگر از این ابعاد به مبحث کاوش عامل پرداخته شود، مسائل و مباحث تحقیقاتی بسیاری ظهور پیدا می‌کنند. می‌توان باتوجه به مسائل گفته شده، نقشه‌ی راه تحقیقاتی کاوش عامل، به عنوان یک حوزه‌ی میان رشته‌ای را ایجاد کرد.

۳-۳-۲- داده‌کاوی برپایه‌ی عامل

آقای وولدریج^[۳۷]، عامل‌ها را به عنوان نوعی نرم‌افزار کامپیوتری معرفی کرده است، که می‌توانند به صورت خودمختار به فعالیت بپردازند و اهداف مدنظر را تأمین کنند.[۲۶] عامل‌های هوشمند، عامل‌هایی پیشرفته هستند که می‌توانند به تغییرات محیط واکنش نشان دهند، در تعامل با دیگر عامل‌ها باشند، و از محاسبات هوشمند برای رسیدن به اهدافشان بهره ببرند.[۹۳] عامل‌ها، فعال، وظیفه محور، طراحی شده برای کارهای خاص، قادر به تصمیم‌گیری، و خودمختار هستند.

در برخی سیستم‌ها، به منظور رفع یک مشکل، از ترکیب چند عامل استفاده می‌شود، به این سیستم‌ها، سیستم‌های چند عامله می‌گویند. این سیستم‌ها، از عامل‌هایی تشکیل شده‌اند که هرکدام، مشکلاتی ساده‌تر از مشکل اصلی را حل می‌کنند. آن‌ها می‌توانند با یکدیگر در ارتباط باشند و به هم کمک کنند تا به اهداف بزرگ‌تر و پیچیده‌تری دست یابند.

تکنولوژی چند عامله، در حوزه‌ی تعاملات کاربر، محاسبات خودمختار، قابلیت سازمان‌دهی خود، همکاری، مشارکت، ارتباطات، مذاکرات، محاسبات فرد به فرد، محاسبات موبایل، و هوشمندی جمعی خوب عمل می‌کند. این‌ها نقاط قوت اصلی این تکنولوژی هستند و می‌توانند فرایند داده‌کاوی را به میزان قابل توجهی بهبود بخشند و مشکلات خاص و پیچیده‌ی داده‌کاوی را در حوزه‌هایی مانند پردازش داده، پردازش اطلاعات، کاوش الگو، مدلسازی و تعاملات کاربر، زیرساخت و سرویس‌ها برطرف کنند. یکی از موارد اصلی، داده‌کاوی بر پایه‌ی عامل است.

منظور از داده‌کاوی بر پایه‌ی عامل، نسخه‌هایی از سیستم‌های چند عامله است که برای بهبود فرایند داده کاوی ایجاد شده‌اند. توسعه‌ی سیستم‌های چند عامله می‌تواند به حل مسائل داده کاوی کمک کند. به عنوان مثال، معماری و زیرساخت داده‌کاوی بر پایه‌ی عامل، کاوش تعاملی بر پایه‌ی عامل، تعامل کاربر بر پایه‌ی عامل، کاوش الگوی اتوماتیک، کاوش داده توزیع شده بر پایه‌ی عامل، کاوش پویا بر پایه‌ی عامل، کاوش چندین منبع داده بر پایه‌ی عامل، کاوش داده فرد به فرد بر پایه‌ی عامل، و کاوش وب بر پایه‌ی عامل. در ادامه، نقش‌های عامل‌ها در حمایت از داده‌کاوی توزیع شده شرح داده خواهد شد.

در برنامه‌های سازمانی، داده‌ها در منابع ناهمگن توزیع شده‌اند. منابع داده توزیع شده مرتبط با یک کسب و کار اغلب پیچیده هستند. به عنوان نمونه، برخی از منابع داده از چگالی و فرکانس بالایی برخوردارند، و شامل داده‌های پویا و ایستا، و ساختارهای داده‌ای چندگانه هستند. در برخی از موارد، چند منبع داده در سیستم‌های ذخیره‌سازی موازی نگهداری می‌شوند. منابع داده محلی ممکن است بخاطر ارزش تجاری، پوشیدگی، و غیره مشکل محدودیت دسترسی داشته باشند که این مورد سبب می‌شود حتی در وضعیت مشارکتی، از پردازش‌های متمرکز جلوگیری شود. برای این قبیل داده، ادغام و یکپارچه‌سازی داده، کاری مشکل است. نمی‌توان آن‌ها را در یک مخزن مرکزی ذخیره کرد و پردازش‌های را بصورت متمرکز بر روی داده‌ها اعمال نمود. به منظور کاوش داده، با توجه به ضعف موجود در معماری و زیرساخت سیستم‌های داده‌کاوی توزیع شده موجود، نیاز به پشتیبانی انعطاف‌پذیر، هوشمندانه، و مقیاس پذیر وجود دارد.

تکنولوژی عامل می‌تواند با قابلیت‌های خودمختاری، تعامل، انتخاب پویا، مقیاس‌پذیری، قابلیت داشتن چند استراتژی و مشارکت، در رفع این چالش‌ها کمک کند. دلائل دیگر، شامل پوشیدگی، جابجایی، محدودیت زمان (جریان داده، زمان بر بودن فرایند استخراج و کاوش بر روی آن)، و هزینه‌های محاسباتی و نیازهای کارایی می‌شوند. درواقع تکنولوژی چند عامله، از خیلی جهات مکمل داده‌کاوی توزیع شده است، به عنوان مثال:

منابع داده چندگانه و توزیع شده، اغلب بصورت جدا از هم هستند. برای درک بهتر یک مشکل کسب و کار، لازم است داده‌های مرتبط از طریق یکپارچه‌سازی مرکزی یا ارتباطات محلی در کنار هم قرار گیرند. با توجه به این، مشارکت و برنامه‌ریزی عامل، عامل‌های موبایل، ارتباطات و مذاکرات عامل‌ها می‌توانند مفید باشند.

جابجایی داده و دستگاه، نیازمند درک و استفاده از الگوریتم‌های داده‌کاوی بر مبنای قابلیت تحرک است. عامل‌های موبایل بخوبی می‌توانند با خصیصه جابجایی سازگار شوند.

عاملی برای محدود کردن میزان نظارت و دخالت کاربر در اجرای فرایند داده‌کاوی لازم است.

در محیط توزیع شده باز و متغیر، می‌توان از عامل‌های کشف دانش برای انتخاب منابع داده برحسب معیارهای داده شده به آن‌ها استفاده کرد، به عنوان مثال معیارهایی مانند مقدار، نوع، و کیفیت مدنظر از یک منبع خاص، شبکه واقعی و بار شدن سرور کشف دانش. به عنوان نمونه می‌توان از عامل‌ها برای انجام پروسه‌ی گرداوری داده استفاده کرد.

برخی از داده‌های توزیع شده در منابع ذخیره‌سازی مختلف، وابسته به زمان هستند.

برای برخی از برنامه‌های پیچیده، ترکیبی مناسب از چندین تکنیک داده‌کاوی بهتر از یک تکنیک خاص عمل می‌کند. عامل‌های کشف دانش، می‌توانند بر اساس نوع داده سایت‌های مختلف و اعمال کاوشی که باید صورت گیرد، تصمیم بگیرند.

عامل‌ها می‌توانند بطور مستقل بر روی داده‌های سایت‌های مختلف، اعمال کاوش را انجام دهند و در نهایت مدل‌های حاصله را با هم ترکیب کنند. همچنین می‌توانند دانشی که استخراج کرده‌اند را به اشتراک بگذارند تا از قابلیت‌های سایر عامل‌ها بهره‌مند شوند.

داده‌های محلی توزیع شده، براساس مسائل پوشیدگی داده‌ها، اجازه ندارند استخراج و با سایر منابع بطور مستقیم، یکپارچه شوند. یک عامل که مجوز دسترسی و پردازش داده‌ها را دارد، می‌تواند الگوهای محلی شناسایی شده را برای ترکیب با یافته‌های سایر منابع به کار بندد.

در برخی از سازمان‌ها، منطق کسب و کار، فرایندها، و گردش کاری، ترتیب منابع داده و دسترسی به آن‌ها را تعیین می‌کنند. بنابراین پیچیدگی داده‌کاوی توزیع شده را افزایش می‌دهند. عامل‌هایی که در هریک از منابع قرار گرفته‌اند می‌توانند با یکدیگر ارتباط برقرار کنند.

در واقع داده‌کاوی توزیع شده بر پایه‌ی عامل‌ها، رویکردی منحصربفرد برای بکارگیری قابلیت‌ها، ارائه دادن، و انجام برخی مسئولیت‌هاست که عبارتند از:

هوشمندی داده از قبیل دسترسی به داده توزیع شده و مشارکت و همکاری بر پایه عامل

هوشمندی بشر از طریق تعامل کاربر-عامل، مدلسازی کاربر و سرویس دهی به وی

فاکتورهای سازمانی و دامنه مانند هوشمندی گروه برپایه‌ی سیستم‌های چند عامله، هوشمندی جمعی، و ظهور هوشمندی

هوشمندی شبکه از طریق عامل‌های موبایل، مشارکت و ارتباطات بر پایه‌ی سیستم‌های چند عامله، و

هوشمندی اجتماعی از قبیل شناخت و تعاملات اجتماعی بر مبنای سیستم‌های چند عامله تا بتوان گروهی از افراد خبره را در فرایند کاوش درگیر کرد.

۳-۳-۳- مزیت بهره‌گیری از عامل‌ها در داده‌کاوی

تکنولوژی داده‌کاوی زمانی که وارد دنیای واقعی حل مشکل، بطور خاص‌تر در حوزه مدیریت داده‌ها و برنامه‌های پیچیده شود، با چالش‌ها و مشکلات بسیاری روبرو خواهد شد. در اینجا، برخی از موارد که از طریق تکنولوژی عامل قابل حل می‌باشند، مورد بررسی قرار می‌گیرد. این موارد شامل زیرساخت داده‌کاوی سازمانی، بکارگیری هوشمندی انسان و دامنه، پشتیبانی از کاوش توزیع شده و موازی، آماده‌سازی و اصلاح داده، یادگیری سازگار، و کاوش تعاملی.

۳-۳-۳-۱- زیرساخت داده‌کاوی سازمانی

توسعه سیستم‌های داده‌کاوی که از برنامه‌های کاربردی سازمان پشتیبانی کنند، بسیار چالش برانگیز است. چالش‌های این حوزه ممکن است از خیلی جهات بروز کنند، به عنوان نمونه، یکپارچه‌سازی یا کاوش منابع داده چندگانه، دسترسی به برنامه‌های توزیع شده، ارتباط متقابل با کاربران متنوع کسب و کار، و ارتباطات با برنامه‌های کاربردی چندگانه. علی الخصوص، ساخت یک پلت فرم توزیع شده، انعطاف‌پذیر، سازگار، و کارا که از کاوش تعاملی پشتیبانی کند چالش بزرگی محسوب می‌شود.

۳-۳-۳-۲- بکارگیری هوشمندی انسان و دامنه

چالش بزرگ دیگری که تکنیک‌ها و متدولوژی‌های داده‌کاوی موجود با آن روبرو هستند، نقش‌ها و بکارگیری هوشمندی انسان و هوشمندی دامنه در داده‌کاوی است. علی‌رغم مزایای بسیار هوشمندی دامنه، چگونگی بکارگیری، بیان کردن، تائید کردن و اتصال به کامپوننت‌هایی همچون دانش دامنه، دانش پیشین، فرایند کسب و کار، و منطق کسب و کار در سیستم‌های داده‌کاوی، یک مشکل تحقیقاتی است. در ارتباط با هوشمندی انسان، تشخیص نقش انسان‌ها در برنامه‌های خاص مورد نیاز است، تا بتوان یک سیستم پشتیبانی برای مدلسازی رفتار انسان تهیه نمود. این سیستم به عنوان پلی برای ایجاد ارتباطات بین سیستم‌های داده‌کاوی و انسان‌ها عمل کرده و مزیت دانش انسانی و نظارت وی بر سیستم را به ارمغان می‌آورد.

۳-۳-۳-۳- پشتیبانی از کاوش توزیع شده و موازی

یکی از موضوعات پژوهشی داده‌کاوی که تلاش بسیاری در آن صورت می‌گیرد، افزایش کارایی الگوریتم‌های داده‌کاوی است. معمولا از طریق طراحی ساختار داده‌ها و متدهای محاسباتی کارامد به منظور کاهش پیچیدگی محاسباتی به آن پرداخته می‌شود. در بسیاری از حالات، کارایی محاسباتی می‌تواند از طریق توسعه‌ی الگوریتم‌های موازی، رشد و پیشرفت خوبی داشته باشد. در سایر حالات، از قبیل سروکار داشتن با منابع داده و برنامه‌های توزیع شده، و یا محاسبات فرد به فرد، محاسبات توزیع شده نیاز است. به هر حال، چگونگی طراحی الگوریتم‌های کارامد و موثر توزیع شده و موازی یک موضوع مهم محسوب می‌شود.

۳-۳-۳-۴- پیش پردازش داده

در دنیای واقعی، داده‌ها روز به روز پیچیده‌تر می‌شوند، علی الخصوص داده‌های پراکنده و ناهمگن که در مکان‌های مختلف توزیع شده‌اند. برای دسترسی و ترکیب اینگونه داده‌ها نیاز به تکنیک‌ها و متدهای هوشمند است. از طرفی دیگر، تحقیقات کنونی بر روی آماده‌سازی داده با چالش‌های جدیدی همچون پردازش جریان داده‌های وابسته به زمان با فرکانس بالا، توزیع داده غیرمتوازن، استخراج شواهد پراکنده، اما مهم از مجموعه داده‌های پراکنده، ارتباط منابع داده مختلف، و دسترسی به داده‌های پویا روبرو است. همچین شرایطی، نیازمند تکنیک‌های جدید آماده‌سازی داده است.

۳-۳-۳-۵- یادگیری سازگار

بطور کلی، الگوریتم‌های داده‌کاوی اینگونه تعریف شده‌اند که مجموعه‌های داده را اسکن کنند. در شرایط دنیای واقعی، از مدل‌ها و الگوریتم‌های داده‌کاوی انتظار می‌رود بتوانند براساس قابلیت‌های خود یادگیری و خود سازماندهی، با شرایط پویا در داده متغیر سازگار شوند. به عبارت دیگر، مدل‌ها و الگوریتم‌ها، می‌توانند بطور اتوماتیک، الگوهایی را از داده متغیر استخراج کنند. در هر صورت، این حوزه‌ای چالش برانگیز است، چراکه متدولوژی‌ها و تکنیک‌های موجود داده‌کاوی اتوماتیک و سازگارپذیر نیستند. به منظور اصلاح قابلیت اتوماتیک و سازگارپذیری الگوریتم‌ها و متدهای داده‌کاوی، نیاز به پشتیبانی از دانش و تخصص‌هایی می‌باشد که مرتبط با تکنیک‌های هوشمند سازگاری و اتوماتیک هستند.

۳-۳-۳-۶- کاوش تعاملی

بحث‌های مرتبط با داده‌کاوی تعاملی یا اتوماتیک در گذشته شروع شده است. یک مسئله واضح برای این مشکل این است که ارتباطات متقابل بین انسان‌ها و سیستم‌های داده‌کاوی، نقش مهم و عینی در داده‌کاوی برپایه‌ی دامنه دارد. در توسعه‌ی داده‌کاوی تعاملی، یک محقق باید در مورد مباحثی چون مدلسازی کاربر، شبیه‌سازی رفتار، تجزیه و تحلیل شرایط، طراحی واسط کاربر، مدیریت دانش کاربر، تنظیمات ورودی مدل، یا الگوریتم توسط کاربران، نظارت و کنترل بر فرایند کاوش، و پالایش و تصحیح خروجی، به مطالعه بپردازد. بسیاری از این موارد نمی‌توانند توسط رویکردهای موجود داده‌کاوی انجام شوند.

۳-۳-۴- داده‌کاوی توزیع شده برپایه‌ی عامل‌ها

این بخش بطور خاص بر روی حوزه‌ی پیشرفته و به روز کشف دانش بر پایه‌ی عامل‌ها به بحث می‌پردازد. همانطور که در بخش‌های قبل گفته شد، کشف دانش بر پایه‌ی عامل‌ها، حوزه‌ی بزرگی برای کاوش عامل را شکل می‌دهد. در واقع حوزه‌ای است که در کاوش عامل بیش از همه به آن پرداخته شده است.

۳-۳-۴-۱- چالش‌های داده‌کاوی توزیع شده

داده‌کاوی و یادگیری ماشین، در حال حاضر، حوزه‌ای را در هوش مصنوعی شکل داده‌اند که توسط رویکردها، الگوریتم‌ها، و ابزارهای نرم‌افزاری متعددی پشتیبانی می‌شوند. برنامه‌های کاربردی و تکنولوژی‌های اطلاعاتی جدید الهام بخش نیازمندی‌های مدرن در داده‌کاوی و یادگیری ماشین بوده است و ویژگی‌های خاص منابع داده بطور فزاینده‌ای کار را مشکل کرده، و نیازمندی‌هایی را آشکار می‌کنند که عبارتند از:

در برنامه‌های سازمانی، داده‌ها در منابع ناهمگن توزیع شده‌اند و بصورات آزاد و رها یا محکم و سخت به هم متصل شده‌اند.

منابع داده توزیع شده مرتبط با یک کسب و کار اغلب پیچیده‌اند، به عنوان مثال، برخی چگالی و فرکانس بالایی دارند، و ترکیبی از داده‌های پویا و استاتیک و ساختارهای داده‌ای متنوع هستند.

ادغام و یکپارچه‌سازی داده کار مشکلی است. نمی‌توان آن‌ها را در یک مخزن مرکزی ذخیره کرد، و پردازش بر روی آن‌ها بصورت متمرکز کار آسانی نیست.

در برخی از حالات، چندین منبع داده در سیستم‌های ذخیره‌سازی موازی ذخیره شده‌اند.

منابع داده محلی، ممکن است بخاطر مسائل پوشیدگی، ارزش تجاری، و غیره از نظر میزان دسترسی در محدودیت باشند. که این سبب می‌شود در بسیاری از حالات امکان پردازش بصورت متمرکز حتی در حالت همکاری و مشارکت وجود نداشته باشد.

در بسیاری از حالات، داده‌های توزیع شده در سیستم‌های ذخیره‌سازی عمومی وابسته به زمان هستند.

دسترسی به منابع داده در یک محیط موبایلی به زمان وابسته است.

ضعف در معماری و زیرساخت سیستم‌های داده‌کاوی موجود نیازمند پشتیبانی انعطاف‌پذیر، هوشمند، و مقیاس‌پذیر است.

این موارد و موارد دیگر، نیاز به توسعه‌ی رویکردها و تکنولوژی‌های جدید داده‌کاوی برای شناسایی الگوها در داده‌های توزیع شده را ایجاد می‌کند. داده‌کاوی توزیع شده، و بطور خاص‌تر داده‌کاوی فرد به فرد، و تکنولوژی چند عامله، دو پاسخ به چالش‌های ذکر شده است. اگر از تکنولوژی چندعامله در سیستم داده کاوی توزیع شده بهره گرفته شود، نه تنها مشکلات مطرح شده به میزان قابل توجهی کاهش می‌یابد، مزایای بسیاری نیز به ارمغان می‌آورد [۹۴, ۹۵]. برخی از این مزایا عبارتند از:

کنترل غیر متمرکز

کنترل غیرمتمرکز، تقریباً، مهم‌ترین خصوصیت سیستم‌های چندعامله است که آن‌ها را از رویکردهای موازی و توزیع شده متمایز می‌کند. کنترل غیرمتمرکز به این معنی است، که هر عامل در یک سیستم چندعامله، خودمختار عمل می‌کند.

مقاوم در برابر خرابی

این خصوصیت، یکی از ویژگی‌های کنترل غیرمتمرکز است، به این معنا که حتی اگر تعدادی از عامل‌ها دچار مشکل شوند و از کار بیفتند، سیستم کلی به عملیاتش ادامه خواهد داد.

پیچیدگی توسعه سیستم را کاهش می‌دهد

سیستم چندعامله نه تنها در ساختار توزیع شده است، بلکه در منطق نیز توزیع شده است، بنابراین برای کاوش توزیع شده در محاسبات موازی بسیار مناسب است و می‌تواند پیچیدگی توسعه سیستم را کاهش دهد. این خصوصیت نیز نشأت گرفته از کنترل غیرمتمرکز این‌گونه سیستم‌ها است، چرا که می‌توان از طریق افزودن عامل‌ها کاربردهای سیستم را افزایش داد.

هوشمندی سیستم را افزایش می‌دهد

نسبت به سایر سیستم‌های نرم‌افزاری، عامل، استعداد و شایستگی بالایی دارد و می‌تواند سرویس دقیق و مناسب ارائه دهد.

آشکاری و آزادی سیستم را افزایش می‌دهد

به عبارت دیگر، در متدهای پیاده‌سازی، عامل نوعی از مدل کپسوله‌سازی است.

ترافیک سیستم را کاهش می‌دهد

عاملی که در سایت‌های محلی وجود دارد می‌تواند نتایج کاوش خود را به سایت‌های مرتبط برای تجزیه و تحلیل نتایج کلی ارسال کند، که این عمل می‌تواند تا حدی ترافیک داده بر روی شبکه را کاهش دهد.

پایداری سیستم را افزایش می‌دهد

در مقابل آشفتگی‌ها و اختلالات خارجی، عامل می‌تواند به منظور تنظیم کردن پارامترها از طریق یادگیری تعاملی، با محیط جدید سازگار شود و کارایی و پایداری سیستم را تضمین کند.

۳-۳-۵- مزیت بهره‌گیری از عامل‌ها در داده‌کاوی توزیع شده

پیاده‌سازی عملی داده‌کاوی توزیع شده و فرد به فرد و یادگیری ماشین، چالش‌های جدیدی را ایجاد کرده‌اند. در حین تجزیه و تحلیل این چالش‌ها، این بحث مطرح می‌شود که چرا تکنولوژی عامل، بهترین تکنولوژی برای مقابله با این چالش‌هاست که پاسخ این سوال را می‌توان در قابلیت‌های عامل همچون خودمختاری، ارتباطات متقابل، گرداوری و انتخاب پویا، مقیاس‌پذیری، چند استراتژی و همکاری یافت. دلائل دیگر شامل پوشیدگی، قابلیت جابجایی، محدودیت زمانی (جریان داده که فرایند استخراج و پس از آن عمل کاوش بسیار زمانبر خواهد بود)، هزینه‌های محاسباتی و نیازهای کارایی می‌شوند.

۳-۳-۵-۱- ایزوله بودن منابع داده

منابع داده چندگانه و توزیع شده، اغلب بصورت ایزوله و جدا از هم هستند. برای درک بهتر یک مشکل کسب و کار، نیاز است که داده‌های مرتبط از طریق یکپارچه‌سازی متمرکز و ارتباطات محلی جمع‌ آوری شود. به همین دلیل، برنامه‌ریزی و همکاری عامل‌ها، عامل‌های موبایل، و ارتباطات و مذاکرات عامل‌ها می‌توانند سودمند باشند.

۳-۳-۵-۲- پویایی منابع داده و دستگاه‌های محاسباتی

پویایی داده و دستگاه نیازمند ادراک و بکارگیری الگوریتم‌های داده‌کاوی بر پایه‌ی موبایل است. عامل‌های موبایل می‌توانند بخوبی با پویایی وفق پیدا کنند.

۳-۳-۵-۳- داده‌کاوی توزیع شده‌ی تعاملی

نیاز به عامل‌هایی است تا بتوان میزان نظارت و مداخله کاربر در اجرای فرایند داده‌کاوی را محدود کرد.

۳-۳-۵-۴- انتخاب منابع و جمع‌اوری داده پویا

یکی از چالش‌های یک عامل داده‌کاوی هوشمند، فعالیت در محیط‌های توزیع شده‌ی باز و پیگیری کارهای داده‌کاوی است. به عنوان مثال، در جایی که ممکن است میزان دسترسی به داده‌های سایت‌ها و محتوای آن‌ها در هر زمانی تغییر کند، کشف و انتخاب منابع مرتبط یک چالش است. عامل‌های داده‌کاوی، منابع داده را بطور پویا و بر اساس معیارهای تعیین شده، از قبیل میزان، نوع، و کیفیت در منبع موردنظر، شبکه واقعی، و بار شدن سرور داده‌کاوی انتخاب می‌کنند. عامل‌ها می‌توانند برای کنترل و مدیریت گرداوری داده مورد استفاده قرار بگیرند.

۳-۳-۵-۵- محدودیت‌های زمانی در منابع داده توزیع شده

بسیاری از داده‌هایی که در مخزن‌های متفاوتی توزیع شده‌اند، وابسته به زمان هستند.

۳-۳-۵-۶- داده‌کاوی توزیع شده با چند استراتژی

برای برخی از برنامه‌های پیچیده، ترکیبی مناسب از چندین تکنیک داده‌کاوی بهتر و سودمندتر از اجرای یک تکنیک خاص عمل می‌کند. عامل‌های داده‌کاوی، می‌توانند یاد بگیرند، آن‌ها بر اساس نوع داده سایت‌های مختلف و اعمال کاوشی که باید صورت گیرد، از بین فعالیت‌هایشان انتخاب می‌کنند.

۳-۳-۵-۷- داده‌کاوی توزیع شده‌ی مشارکتی

عامل‌های داده‌کاوی، می‌توانند بطور مستقل بر روی داده‌های سایت‌های مختلف، اعمال کاوش را انجام دهند و در نهایت مدل‌های حاصله را با هم ترکیب کنند. همچنین می‌توانند دانشی که استخراج کرده‌اند را به اشتراک بگذارند تا از قابلیت‌های سایر عامل‌ها بهره‌مند شوند.

۳-۳-۵-۸- پوشیدگی داده‌های منبع

داده‌های محلی توزیع شده، براساس مسائل پوشیدگی داده‌ها، اجازه ندارند استخراج و با سایر منابع بطور مستقیم، یکپارچه شوند. یک عامل داده‌کاوی که مجوز دسترسی و پردازش داده‌ها را بصورت محلی دارد، می‌تواند الگوهای محلی شناسایی شده را برای ترکیب با یافته‌های سایر منابع به کار بندد.

۳-۳-۵-۹- محدودیت‌های سازمانی در منابع داده توزیع شده

در برخی از سازمان‌ها، منطق کسب و کار، فرایندها، و گردش کاری، ترتیب منابع داده و دسترسی به آن‌ها را تعیین می‌کنند. بنابراین پیچیدگی داده‌کاوی توزیع شده را افزایش می‌دهند. عامل‌هایی که در هریک از منابع قرار گرفته‌اند می‌توانند با یکدیگر ارتباط برقرار کنند و عامل‌های الگوریتم داده‌کاوی را انتقال دهند.

۳-۴- الگوریتم‌های کشف قوانین انجمنی

۳-۴-۱- الگوریتم AIS

این الگوریتم از اولین الگوریتم‌هایی بود که برای استخراج همه اقلام مکرر از پایگاه داده در سال ۱۹۹۳ توسط اگریوال، ایمیلنسکی و سوامی^[۳۸] ابداع گردید. نام این الگوریتم برگرفته از حروف اول نام ابداع کنندگان آن می‌باشد. این الگوریتم چندین گذر بر روی پایگاه داده انجام داده و در هر گذر همه تراکنش‌ها را می‌پیماید. گام‌های این الگوریتم به صورت زیر می‌باشند:

• برای هر یک از تراکنش‌ها بزرگ‌ترین قلم انتخاب می‌شود.
• اقلام کاندید (C_k) با گسترش هر یک از این اقلام مکرر به سایر اقلام، در هر تراکنش ساخته می‌شوند.

بنابراین، در گام اول پشتیبان هر قلم محاسبه شده و آن‌هایی که بیشتر از حداقل پشتیبان هستند در L₁ ثبت می‌شوند. در گام دوم به ازای تک تک اقلام مرحله‌یL₁ به پایگاه داده‌ی اصلی برگشته و تمامی مجموعه‌های دوتایی را ساخته و پشتیبان آن‌ها را محاسبه می‌کنیم. خروجی این مراحل در _۲C ذخیره می‌شود. در گام سوم همانند مرحله قبل به محاسبه _۳C می‌پردازیم این اعمال را تا جایی ادامه می‌دهیم که دیگر مجموعه مکرر جدیدی اضافه نشود.

از معایب این روش این است که در هر گذر تعدادی از اقلام انتخاب شده که حداقل مقدار پشتیبان (در اینجا ۲) را نداشته و باید کنار گذاشته شوند.

۳-۴-۲- الگوریتم SETM

این الگوریتم توسط هوتسما^[۳۹] در سال ۱۹۹۵ ابداع شد و در سال ۱۹۹۶ نسخه دوم آن به منظور محاسبه اقلام مکرر در SQL توسط اسریکنت^[۴۰] مطرح شد در این الگوریتم هر یک از اعضای مجموعه به فرم <TID,Itemset> هستند.

مشابه الگوریتم AIS، این الگوریتم نیز چندین گذر بر روی پایگاه داده انجام می‌دهد. گام‌های این الگوریتم به قرار زیر می‌باشند:

پشتیبان هر یک از اقلام به طور مجزا محاسبه و بزرگ‌ترین آن‌ها انتخاب می‌شوند. اقلام کاندید (C_K) با گسترش هر یک از این قلم‌های مکرر به سایر اقلام در هر تراکنش ساخته می‌شوند. علاوه بر آن در این مرحله TIDهای مربوط به هر یک از C_kها را در یک ساختار ترتیبی به نام _­۲C نگهداری کرده و سپس پشتیبان هر یک از C_Kها با جمع کردن تعداد تکرار آن‌ها در مرحله قبل محاسبه شده و _۳C ساخته می‌شود. این مراحل ادامه پیدا کرده تا جایی که دیگر مجموعه مکرر جدیدی اضافه نشود. عمده‌ترین معایب این الگوریتم ناشی از تعداد C_Kها است و از آنجایی که مقدار TID هر C_K، نگهداری می‌شود، فضای بیشتری اشغال می‌شود.

معایب الگوریتم‌های SETM و AIS :

• این الگوریتم‌ها خیلی کند هستند.
• اقلام زیادی با «پشتیبانی» پایین‌تر از حداقل پشتیبان در نظر گرفته شده توسط کاربر، تولید می‌کنند.

۳-۴-۳- الگوریتم Apriori یا پیشینار

این الگوریتم در سال ۱۹۹۶ توسط چیونگ^[۴۱] ابداع شد و یکی از مهم‌ترین یافته‌ها در تاریخ استخراج قواعد انجمنی است. در این الگوریتم از این حقیقت که همه زیرمجموعه‌های اقلام مکرر، خود نیز مکرر هستند و اقلام باید بر مبنای قاعده ترتیب الفبا مرتب باشند، استفاده شده است. تفاوت اساسی این الگوریتم با الگوریتم‌های دیگر در روش محاسبه اقلام C_k و گزینش آن‌ها برای مراحل بعدی است. در الگوریتم‌های دیگر اقلام مکرر با گسترش به هر یک از اقلام مجزا (که ممکن است خودشان مکرر نباشند) در هر یک از تراکنش‌ها ایجاد می‌شدند تا C_Kها را تولید کنند و به این ترتیب C_kهای زیادی تولید شده که باید در مراحل بعدی کوچک می‌شدند و پایگاه داده چندین بار پیموده می‌شد، در حالی که این الگوریتم پایگاه داده را فقط یک بار می‌پیماید و اقلام مکرر را پیدا می‌کند.

الگوریتم Apriori این موضوع مهم را مدنظر قرار می‌دهد و C_kها را با اتصال اقلام مکرر حاصل از فاز قبلی و حذف آن‌هایی که در فاز قبلی بوده‌اند، بدون توجه به هر یک از تراکنش‌ها به طور مجزا تولید می‌کند. بدین ترتیب تعداد C_kهای اضافی به طور چشمگیری کاهش می‌یابند.

تذکر: C_kها در این الگوریتم مطابق الگوریتم زیر محاسبه می‌شوند (شکل ۳-۴):

Apriori-gen(Lk-1) Join step Insert into Ck Select p. item1, p. item2, …, p. itemk-1 from Lk-1 p, Lk-1 q Where p. item1=q. item1, …, p. itemk-2= q. itemk-2, Prune step p. itemk-1 < q. itemk-1 for all item sets c Ck do for all (k-1)-subsets s of c do if (s Lk-1) then delete c from Ck;

شکل ۳- ۴: الگوریتم Apriori

فقط آن‌هایی که از حداقل پشتیبان بزرگ‌تر یا مساویند را در Lk قرار می‌دهد. Ckهای جدید را مطابق الگوریتم بیان شده تولید می‌کند. بزرگ‌ترین اقلام را در نظر می‌گیرد. پشتیبان هر یک از اقلام Ck را محاسبه می‌کند.

L1 = {large 1-itemsets} For (k=2; Lk-1 ≠ ; k++) do begin Ck = apriori-gen(Lk-1); for all transactions t D do begin Ct = subset(Ck, t); for all candidates c Ct do c.count++; end end Lk = {c Ck|c.count minsup}; end Answer =

شکل ۳- ۵: توضیح الگوریتم Apriori

تفاوت عمده این الگوریتم با الگوریتم‌های دیگر در حجم محاسبات کمتر آن است. در این الگوریتم اقلام زاید کمتری در هر مرحله ایجاد شده و با آزمایش‌های مختلفی که برای کشف اقلام مکرر توسط ۶۰۰۰/IBM RS انجام شد مشخص شد که این الگوریتم عملکرد بسیار بهتری نسبت به الگوریتم‌های قبلی دارد. اما از معایب این الگوریتم، این است که برای محاسبه پشتیبان اقلام کاندیدا، الگوریتم همه تراکنش‌ها را بررسی می‌کند و بنابراین نیازمند زمان زیادی است.

۳-۴-۴- الگوریتم AprioriTid

همان گونه که قبلاً نیز ذکر شد الگوریتم Apriori در هر گذر همه‌ی پایگاه داده را می‌پیماید تا پشتیبان‌ها را محاسبه کند و پیمودن همه‌ی پایگاه داده ممکن است در همه‌ی فازها مورد نیاز نباشد. بر مبنای این مشکل، الگوریتم دیگری بنام AprioriTid ابداع شد. این الگوریتم نیز روشی مشابه با الگوریتم Apriori، برای محاسبه C_kها در هر فاز به کار می‌برد. تفاوت عمده‌ای که این الگوریتم با الگوریتم Apriori دارد در این است که این الگوریتم کل پایگاه داده را برای محاسبه پشتیبان بعد از مرحله اول نمی‌پیماید و از مجموعه  برای محاسبه پشتیبان استفاده می‌کند. مشابه الگوریتم SETM اعضای این الگوریتم نیز به فرم <TID, X_k> ذخیره می‌شوند (شکل ۳-۶).

L1 = {large 1-itemsets} اقلام با بیشترین فراوانی را محاسبه می‌کند.  = database D; For (k=2; Lk-1 ≠ ; k++) do begin موجودیت‌های خالی را حذف می‌کند. پشتیبان را محاسبه می‌کند. Ckهای جدید را مطابق الگوریتم بیان شده تولید می‌کند. مقداردهی اولیه پایگاه داده موجود یک انباره‌ی جدید ایجاد می‌کند. فقط آن‌هایی که از حداقل پشتیبان بزرگ‌تر یا مساویند را در Lk قرار می‌دهد. Ck = apriori-gen(Lk-1); for all entries t  do begin for all candidates c Ct do c.count++; end end Lk = {c Ck|c.count minsup} end Answer = UkLk ;

شکل ۳- ۶: الگوریتم AprioriTid

مزایای الگوریتم: از مزایای عمده این روش این است که در فازهای آخر اندازه  بسیار کوچک‌تر از کل اندازه پایگاه داده شده و باعث صرفه جویی در زمان می‌شود. این الگوریتم از نظر عملکرد نیز بر الگوریتم‌های SETM و AIS برتری دارد. مشکلی که ممکن است وجود داشته باشد مدیریت حافظه است و دیده می‌شود که این الگوریتم در فازهای انتهایی ( اندازه  کوچک‌تر می‌شود ) عملکرد بهتری نسبت به الگوریتم Apriori دارد.

معایب الگوریتم: در فازهای اولیه  های تولید شده بزرگ بوده و فضای زیادی اشغال می‌کنند. بنابراین مدت زمانی معادل زمان الگوریتم Apriori را نیازمند است. اگر فضای اشغال شده بیشتر از حافظه در دسترس باشد، هزینه اضافه‌ای را نیز در بر خواهد داشت.

۳-۵- جمع‌بندی

در این فصل، ابتدا شرح مختصری بر داده‌کاوی توزیع شده داده شد. همانطور که گفته شد این تکنولوژی با مشکلات پیچیده‌ای، مانند منابع داده‌ای بزرگ، مشکلات انتقال داده، ترکیب داده‌ها، و غیره روبرو است. سپس عامل‌ها و سیستم‌های چند عامله، و مزایای بهره‌گیری ازین تکنولوژی در داده‌کاوی و داده‌کاوی توزیع شده مورد بررسی قرار گرفت. در نهایت الگوریتم‌های مطرح در حوزه کشف قوانین انجمنی معرفی شدند. در فصل بعد، محاسبات و یافته‌های تحقیق ارائه خواهند شد.

فصل چهارم محاسبات و یافته‌های تحقیق

۴-۱- مقدمه

در این فصل قصد داریم، معماری پیشنهادی برای داده کاوی برپایه‌ی سیستم‌های چند عامله را ارائه کرده و به شرح مختصری از داده کاوی توزیع شده بپردازیم.

مباحث تحقیقاتی باز بسیاری در حوزه‌ی داده‌کاوی بر پایه‌ی عامل وجود دارد. در تاسیس یک زیرساخت داده‌کاوی سازمانی بر پایه‌ی عامل، ممکن است یک نفر بر روی تکنیک‌های طراحی و تجزیه و تحلیل سیستم بررسی اجتماع محور و سازمانی برای سیستم‌های بر پایه‌ی عامل در مقیاس بالا مطالعه کند. به همان نسبت، راه حل‌هایی برای یکپارچه‌سازی برنامه‌ها بر پایه‌ی سرویس عامل، آماده‌سازی داده توزیع شده، مشارکت عامل توزیع شده و محاسبات عامل موازی باید درنظر گرفته شود. در بسیاری از حالات داده‌کاوی، افراد باید بر روی الگوریتم‌هایی که بتوانند با تغییرات پویای داده و درخواست‌های پویای کاربر سازگاری پیدا کنند، مطالعه و بررسی انجام دهند. الگوریتم‌های داده‌کاوی سازگارپذیر و اتوماتیک باید مورد بررسی قرار گیرند. در ادامه لیستی از برخی از مباحث باز این حوزه آورده شده است:

کاوش و مدلسازی فعالیت

داده‌کاوی سازمانی بر پایه‌ی عامل

زیرساخت داده‌کاوی بر پایه‌ی عامل

مدیریت پروژه و فرایند کاوش بر پایه‌ی عامل

داده‌کاوی توزیع شده بر پایه‌ی عامل

یادگیری توزیع شده بر پایه‌ی عامل

محاسبات گرید بر پایه‌ی عامل

داده‌کاوی تعاملی بر پایه‌ی عامل

داده‌کاوی موازی بر پایه‌ی عامل

کاوش وب برپایه‌ی عامل

مدیریت دانش در داده‌کاوی توزیع شده بر پایه‌ی عامل

داده‌کاوی همیاری انسان با عامل

عامل‌های شبکه در کشف دانش و سرویس‌دهی توزیع شده

یادگیری خودمختار

پیش‌پردازش داده بر پایه‌ی عامل بصورت توزیع شده

یادگیری توزیع شده

کشف دانش بر پایه‌ی عامل‌های موبایل

پروتکل‌های داده‌کاوی بر پایه‌ی عامل

شکل ۴-۴ چارچوبی را نشان می‌دهد که شامل مولفه‌های تحقیقاتی این حوزه است که عبارتند از: اساس و بنیان کاوش عامل، پردازش داده بر پایه‌ی عامل، کشف دانش بر پایه‌ی عامل، سیستم‌های چند عامله بر پایه‌ی کاوش، پردازش اطلاعات بر پایه‌ی عامل، مباحث مشترک در کاوش عامل، سیستم‌های کاوش عامل، برنامه‌های کاربردی کاوش عامل، مدیریت دانش کاوش عامل، و ارزیابی کارایی کاوش عامل.

شکل ۴- ۱: چارچوب تحقیقاتی کاوش- عامل

این پژوهش در حوزه کشف دانش بر پایه‌ی عامل قرار دارد. عملکرد کلی معماری پیشنهاد شده به این شکل است که پس از آنکه کاربر وارد سیستم شد و با موفقیت رجیستر کرد، یک عامل کاربر تولید می‌شود که نشان دهنده‌ی این کاربر است، این عامل در سیستم مستقر می‌شود، با کاربر ارتباط برقرار می‌کند، از وی در ارتباط با دانش مورد نیازش سوال می‌پرسد، و پارامترهای ورودی آن را دریافت می‌کند. سپس، یک گروه کاری عامل فعال می‌شود و عملیات داده کاوی را راه اندازی می‌کند تا داده کاوی را شروع کند. پس از آنکه نتیجه‌ی کاوش به کاربر ارائه شد، از او پرسیده می‌شود که آیا دانش دیگری را نیز می‌خواهد مورد جستجو قرار دهد یا خیر. اگر درخواست برای جستجوی جدید وجود داشت، منتظر می‌ماند تا کاربر پارامترهای لازم را وارد کند، و اگر وجود نداشت، عامل کاربر حذف می‌شود. شکل ۴-۱۴ یک نمودار گردش کاری را نشان می‌دهد که برپایه‌ی سیستم داده کاوی توزیع شده‌ی چندعامله است.

شکل ۴- ۲: گردش کار سیستم داده کاوی توزیع شده بر پایه سیستم چند عامله

۴-۲- معماری پیشنهادی برای داده کاوی توزیع شده برپایه‌ی سیستم‌های چند عامله

با توجه به کارهایی که یک سیستم داده کاوی توزیع شده باید انجام دهد، عملکرد سیستم به دو بخش تقسیم می‌شوند، بخش توابع تعاملات کاربر، و بخش تابع پیش‌پردازش داده و تابع داده کاوی. هر تابع با یک عامل مرتبط است، بنابراین این سیستم به طور عمده از دو نوع عامل تشکیل شده است: عامل کاربر، عامل پیش‌پردازش داده و عامل داده کاوی. برای کاوش بر روی داده‌های سایت‌های مختلف، عامل پیش‌پردازش داده و عامل داده کاوی در قالب یک زوج در نظر گرفته می‌شود، و در سایت‌هایی که قرار است مورد کاوش قرار گیرند، توزیع می‌شوند. عامل پیش‌پردازش داده، داده‌ها را برای عامل داده کاوی آماده می‌کند. عامل داده کاوی، کار داده کاوی را به پایان می‌رساند و نتایج را برای یکپارچه شدن و دست‌یابی به نتایج درست به سایت مرکزی داده کاوی ارائه می‌دهد.

۴-۲-۱- معماری چهار لایه‌ی پیشنهادی

همان طور که در ادامه خواهید دید، معماری پیشنهادی به صورت چهار لایه است که توضیح هر لایه به شرح ذیل می‌باشد:

۴-۲-۱-۱- لایه‌ی اول، لایه‌ی کاربر

همان‌طور که در شکل ۴-۹ نشان داده شده است، اولین لایه از این معماری، شامل کاربران، عامل کاربر و پایگاه داده اطلاعات کاربر است.

شکل ۴- ۳: لایه‌ی کاربر

عامل کاربر: وظیفه‌ی اصلی این عامل، تکمیل تعاملات بین سیستم و کاربر است. بدین منظور عامل کاربر یک واسط تعاملی ارائه می‌دهد که از طریق آن کاربر درخواست‌‌های خود را مطرح می‌کند، و نتایج داده کاوی به وی نشان داده می‌شود. هوشمندی عامل کاربر در بلند مدت نمود پیدا می‌کند، بدین ترتیب که در فرایند داده کاوی، اطلاعات درخواست­های کاوش کاربر، در پایگاه داده اطلاعات وظیفه­ها، که می‌تواند نشان دهنده‌ی علاقه‌مندی‌های کاربر باشد، ذخیره می­ شود. همچنین این اطلاعات جمع آوری شده می ­تواند تأثیر شایانی در بهبود کیفیت خدمات سیستم داشته باشند. این عامل برای پردازش درخواست‌های کاربر با عامل اولویت دهی وظیفه­ها در ارتباط است.

پایگاه داده اطلاعات کاربر: در این پایگاه داده رکوردها و اطلاعات کاربر ذخیره می­ شود.

۴-۲-۱-۲- لایه‌ی دوم، لایه‌ی مدیریت

همان‌طور که در شکل زیر می‌بینید، اجزای این لایه شامل عامل ثبت، عامل اولویت دهی وظیفه­ها، عامل وظیفه، عامل داده کاوی عمومی و پایگاه داده اطلاعات وظیفه­ها می­باشد.

شکل ۴- ۴: لایه‌ی مدیریت

عامل اولویت‌دهی وظیفه­ها: این عامل­ها، تعداد درخواست­ها در یک بازه زمانی خاص و اطلاعات درخواست­ها را ثبت می­ کنند. سپس وزنی را برای هر درخواست بر اساس اطلاعات ثبت شده تعیین می‌کند که در واقع هدف اصلی این عامل است. زمانی که سیستم و شبکه در حالت بیکار قرار دارند این عامل می ­تواند اطلاعات ثبت شده­ای که وزنشان بیشتر از مقدار بحرانی است را پیدا کند. بر طبق این وزن­ها اطلاعات مورد نیاز کاوش برای درخواست­ها به عامل وظیفه فرستاده می­ شود.

عامل وظیفه: این عامل‌ها، عامل‌های موقتی هستند که به طور اتوماتیک توسط عامل اولویت دهی وظیفه‌ها تولید می‌شوند تا درخواست‌های داده کاوی را مورد بررسی قرار دهند، و تا زمانی که درخواست مربوطه به طور کامل انجام شود وجود دارند. مسئولیت ارتباط با عامل‌ها و در صورت لزوم فعال‌سازی و همگام سازی آن‌ها بر عهده عامل وظیفه است. به طور کلی، زمانی که یک عامل وظیفه ایجاد می‌شود، این عامل از گروهی از عامل‌های پیش‌پردازش داده و داده کاوی سرویس مورد نظر را درخواست می‌کند و نتیجه عمل کاوش را به عامل کاربر ارائه می‌دهد.

پایگاه داده اطلاعات وظیفه­ها: برای ذخیره اطلاعات درخواست­هایی که توسط عامل اولویت دهی از عامل کاربر دریافت می­ شود، مورد استفاده قرار می­گیرد.

عامل ثبت: این عامل از توابعی تشکیل شده است که وظیفه کنترل انواع دسترسی، تغییرات، ثبت و غیره را برای کاربران مختلف اعم از ادمین، کاربران عادی، کاربران توسعه دهنده وغیره دارد.

۴-۲-۱-۳- لایه‌ی سوم، لایه پردازش

همان‌طور که در شکل ۴-۱۱ نشان داده شده است، این لایه شامل عامل داده کاوی و عامل پیش پردازشی است.

شکل ۴- ۵: لایه‌ی پردازش

عامل پیش‌پردازش داده: این عامل در سایت محلی قرار دارد، و اطلاعاتی در ارتباط با منابع داده آن سایت دارد. وظیفه‌ی اصلی آن، انجام عملیات پیش پردازشی و ارائه داده نرمال است. بدین منظور، داده مورد نظر را از منابع داده استخراج می‌کند، عملیات پیش پردازشی همچون نرمال سازی داده‌ها را انجام می‌دهد و در نهایت داده را به عامل داده کاوی ارائه می‌دهد. این عامل از چهار تابع اصلی استخراج داده‌ها، پاک‌سازی، تبدیل فرمت، و ساده سازی داده‌ها تشکیل شده است. داده مورد نظر یک عمل کاوش، ممکن است یک مجموعه داده، و یا بخشی از یک یا تعدادی مجموعه داده باشد.

عامل داده کاوی: هرکدام از عامل‌های داده کاوی، پیاده‌سازی یک الگوریتم یا تکنیک داده‌کاوی خاص هستند. عامل‌های داده کاوی، شامل متد‌هایی برای مقداردهی اولیه، انجام عمل کاوش، و ارائه نتایج به عامل وظیفه مورد نظر هستند. با توجه به تابع عامل داده کاوی، می‌توان آن را به دو جزء تقسیم کرد: عامل داده کاوی عمومی، و عامل داده کاوی محلی. عامل داده کاوی عمومی در سایت مرکزی قرار دارد و بر روی داده‌ای کار می‌کند که نتایج حاصل از کار عامل‌های داده کاوی محلی در سایت‌های مختلف است. عامل داده کاوی محلی عمل کاوش در سایت‌های محلی را انجام می‌دهد و از داده‌ای استفاده می‌کند که عامل پیش‌پردازش داده در آن سایت در اختیار وی گذارده است. همچنین عامل داده کاوی محلی این قابلیت را دارد که هنگامی که سیستم در حالت بیکار قرار دارد می ­تواند روی الگوریتم­های موجود بررسی­های لازم را انجام دهد و از بین آن‌ها مؤثرترین الگوریتم را برای انجام عمل کاوش انتخاب کند.

کتابخانه الگوریتم­ها: در این کتابخانه الگوریتم­های کاوش و نتیجه­ استفاده از هر الگوریتمی در کاوش مورد نظر، ذخیره می­شوند که این الگوریتم­ها می­توانند حذف، بروز و توسعه داده شوند.

۴-۲-۱-۴- لایه‌ی چهارم، لایه‌ی منابع

این لایه شامل منابع داده می­باشد (شکل ۴-۱۲).

شکل ۴- ۶: لایه‌ی منابع

همان‌طور که در بالا ذکر شد، هر لایه از این معماری از اجزایی تشکیل شده است. برای پیاده‌سازی ارتباطات سیستم بین عامل‌های مختلف از سرور ارتباطی استفاده می‌شود، و هر عامل از طریق این سرور، اطلاعات را به مرحله بعد و عامل بعد انتقال می‌دهد. تصویر کلی این معماری در شکل ۴-۱۳ نشان داده شده است.

شکل ۴- ۷: معماری پیشنهادی برای داده کاوی توزیع شده برپایه‌ی سیستم‌های چند عامله

در این سیستم، عامل کاربر باید ارتباط متقابل با سایر عامل‌ها برقرار کند، و تعاملات لازم را انجام دهد تا درخواست کاوش کاربر به اتمام برسد. روش تخصیص کار به هر عامل به شرح زیر است:

کاربر کار را به عامل کاربر می‌دهد، و بدین ترتیب یک کار داده کاوی ایجاد می‌شود.

از طریق عامل وظیفه، کار کاوش به عامل پیش پردازش داده مستقر در هر سایت داده می‌شود.

پس از اتمام کار عامل پیش‌پردازش داده، نتایج آن به عامل داده کاوی این سایت تحویل داده می‌شود تا عملیات داده کاوی را بر روی داده انجام دهد.

پس از اینکه نتایج داده کاوی هر سایت توسط عامل وظیفه جمع‌ آوری شد، نتایج به عامل داده کاوی عمومی در سایت مرکزی تحویل داده می‌شود، تا این عامل، نتایج را یکپارچه کند.

عامل داده کاوی عمومی نتایج نهایی را آماده می‌کند و در اختیار عامل کاربر قرار می‌دهد.

عامل کاربر نتایج را به کاربر ارائه می‌دهد.

۴-۳- مطالعه موردی

۴-۳-۱- تحلیل عملکرد الگوریتم‌های کشف قوانین انجمنی

تفاوت عمده الگوریتم‌هایی که در فصل قبل شرح داده شد، در روش تولید اقلام مکرر (L) می‌باشد. عملکرد الگوریتم‌ها در دو نوع داده شامل داده‌های آزمایشی و داده‌های واقعی با یکدیگر مقایسه شده‌اند. پارامترهای به کار رفته به منظور مقایسه این الگوریتم‌ها به قرار زیر می‌باشند:

:D تعداد تراکنش‌ها

T5.I2.D100k ⇒ T=5, I=2, D=100,000

T10.I2.D100k

T10.I4.D100k

T20.I2.D100k

T20.I4.D100k

T20.I6.D100k

:T میانگین اندازه تراکنش‌ها

:I میانگین اندازه اقلام مکرر

:L تعداد اقلام مکرر

:Nتعداد اقلام

:K 1000

تعداد اقلام = ۱۰۰۰

نمادی بالای هر کدام از نمودارها نوشته شده است که معرف تراکنش‌ها، میانگین اندازه اقلام مکرر و میانگین اندازه تراکنش‌ها می‌باشد به عنوان نمونه K100D2I5T عبارت است از ۱۰۰۰۰=D و ۲=I و ۵=T و به این معنی است که آزمایش برای تعداد تراکنش‌های ۱۰۰۰۰ و میانگین اندازه‌ی اقلام مکرر ۲ و میانگین اندازه‌ی تراکنش‌های ۵ انجام شده است. محور افقی نیز حداقل پشتیبان است. آزمایش‌های مختلفی برای نمونه‌های متفاوت انجام شده است و نتایج حاصله در نمودارهای زیر آمده‌اند. البته زمان‌های ناشی از اجرای الگوریتم SETM آن قدر زیاد بوده‌اند که نتوانسته‌اند در نمودارهای زیر بگنجند (نمودار ۴-۱).

با دقت در این نمودارها در می‌یابیم که: الگوریتم Apriori همواره بر الگوریتم AIS غالب است و Apriori در اندازه‌های بزرگ بهتر از AprioriTid عمل می‌کند. در الگوریتم AprioriTid مقادیر  بجای پایگاه داده در نظر گرفته می‌شوند. اگر  بتواند در حافظه جای گیرد، این الگوریتم سریع‌تر از Apriori عمل خواهد کرد. زمانی که  خیلی بزرگ باشد، نمی‌تواند در حافظه جای بگیرد. و در نتیجه زمان محاسبه بسیار بالا می‌رود، بنابراین الگوریتمApriori سریع‌تر از الگوریتم AprioriTid عمل خواهد کرد.

T10.I2.D100k T20.I2.D100k	T5.I2.D100k T10.I4.D100k
T20.I6.D100k	T20.I4.D100k

نمودار ۴- ۱: تغییرات رفتار الگوریتم‌های مختلف

داده‌های واقعی

فروشگاه خرده فروشی شامل:

• ۶۳ بخش
• ۴۶۸۷۳ تراکنش (با میانگین اندازه ۲/۴۷)

نمودار ۴- ۲: تغییرات رفتار الگوریتم‌های مختلف در یک فروشگاه خرده فروشی

همان گونه که مشاهده می‌شود در اینجا اندازه پایگاه داده کوچک است و بنابراین  مشکلی با حافظه نخواهد داشت و در نتیجه الگوریتم AprioriTid در زمان کمتری نسبت به الگوریتم Apriori اجرا می‌شود. بنابراین کدامیک بهتر است؟ ApririTid یا Apriori

به منظور پاسخ به این سوال مقایسه‌ای بین این دو الگوریتم در طی فازهای مختلف صورت گرفته است که نتایج آن در نمودار زیر آمده است (نمودار ۴-۳):

نمودار ۴- ۳: مقایسه‌ی رفتار الگوریتم‌های AprioriTid و Apriori

در مراحل انتهایی  به اندازه کافی کوچک شده و حافظه مصرفی کم می‌شود. بنابراین از فاز ۴ به بعد زمان اجرای الگوریتم AprioriTid بسیار کم شده و تقریباً این زمان برابر صفر شده است. به منظور استفاده بهینه از این دو الگوریتم، الگوریتم جدیدی بنام AprioriHybrid شکل گرفت. خصوصیات این الگوریتم به ترتیب زیر است:

این الگوریتم در فازهای اولیه اجرا مطابق الگوریتمApriori عمل می‌کند.

اندازه تخمینی  به صورت زیر محاسبه می‌شود:

تعداد تراکنش‌ها + حاصل جمع پشتیبان همه اقلام = اندازه تخمینی

وقتی که  ها به اندازه کافی کوچک شده و حافظه مصرفی کم می‌شود به الگوریتم AprioriTid سوئیچ کرده و مطابق این الگوریتم پیش می‌رود.

اگر چه تغییر از Apriori به AprioriTid زمان‌بر است، اما در بسیاری از موارد نتایج مثبتی دارد. در نمودارهای زیر (نمودار ۴-۴)، عملکرد سه الگوریتم اخیر با یکدیگر مقایسه شده است. در تمامی این نمودارها نشان داده شده است که الگوریتم ترکیبی زمان اجرای کمتری نسبت به Apriori و AprioriTid دارد.

T10.I4.D100k	T10.I2.D100k
T20.I6.D100k

نمودار ۴- ۴: مقایسه عملکرد الگوریتم‌های AprioriTid ، Apriori Hybrid و Apriori در آزمایش‌های مختلف

۴-۳-۲- F-Trade: یک سیستم کاوش عامل برای سرویس‌های مالی

F-Trade مخفف عبارت Financial Trading Rules Automated Development and Evaluation به معنای توسعه و ارزیابی اتوماتیک قوانین تبادلات مالی است، که یک زیرساخت سازمانی اتوماتیک بر مبنای وب برای استراتژی‌های تجاری و داده‌کاوی بر روی داده‌های سرمایه یا سهم بازار است. این سیستم، سرویس‌های ارتباطات، مدیریت، و پردازش داده ارائه می‌دهد. F-Trade از رقابت اتوماتیک آنلاین، و ساخت واسط ورودی یا خروجی اتوماتیک، برای سیگنال‌ها و قوانین تجاری، و الگوریتم‌های داده‌کاوی، منابع داده، و کامپوننت‌های سیستم پشتیبانی می‌کند. این سیستم، پشتیبانی انعطاف‌پذیر و قدرتمندی را برای تست آنلاین^[۴۲]، آموزش یا تست، بهینه‌سازی و ارزیابی استراتژی‌ها و الگوریتم‌های داده‌کاوی فراهم می‌آورد. کاربران می‌توانند به سیستم متصل شوند، مشترک شوند، و استراتژی‌های تجاری و الگوریتم‌های داده‌کاوی را به صورت مشارکت انسان- ماشین مورد نظارت و بهینه‌سازی قرار دهند.

F-Trade در Java agent services بر روی سیستم عامل‌های ویندوز، لینوکس، و یونیکس ساخته شده است. از XML برای پیکربندی سیستم و مدیریت متادیتا استفاده شده است. یک سوپر- سرور به عنوان سرور برنامه عمل می‌کند، و دیگری به عنوان انبار داده. این سیستم به گونه‌ای ساخته شده که ارتباطات آنلاین با منابع داده توزیع شده همچون منابع داده خاص کاربر دارد.

نقش‌های اصلی عامل‌ها در سیستم F-Trade شامل معماری بر پایه‌ی سرویس با بهره گرفتن از عامل، ارتباطات متقابل انسانی بر پایه‌ی عامل، عامل برای مدیریت منابع داده، جمع‌ آوری داده و ارسال عامل‌ها به منابع داده، الگوریتم‌های داده‌کاوی و استراتژی‌های تجاری بر پایه‌ی عامل، عامل و پیشنهاد دهنده‌ی سرویس که الگوریتم‌ها و قوانین مناسب را برای کاربران فراهم می‌اورد، و غیره است. داده‌کاوی از چند جهت به سیستم کمک می‌کند، از قبیل عامل‌های پیشنهاد دهنده‌ی الگوریتم یا قانون‌های تجاری بر پایه‌ی داده‌کاوی، سرویس‌دهی کاربر بر پایه‌ی داده‌کاوی، بهینه‌سازی عامل تجاری بر پایه‌ی داده‌کاوی، قوانین تجاری کاوش در مجموعه جامع الگوهای تجاری، تصحیح پارامتر عامل‌های الگوریتم از طریق داده‌کاوی، و غیره. مباحث مشترک شامل نمایش دانش دامنه بر پایه‌ی آنتولوژی، درگیر شدن انسان‌ها و ارتباطات متقابل انسان با الگوریتم‌ها بر پایه‌ی عامل‌ها، و سیستمی برای نظارت بر الگوریتم، بهینه‌سازی و ارزیابی.

با این زیرساخت، تاجران مالی و محققان، و داده‌کاوان مالی می‌توانند الگوریتم‌هایشان را وارد سیستم‌ کنند و بر روی بهبود کارایی آن‌ها متمرکز شوند و توسط حجم عظیم داده‌های واقعی از بازارهای بین‌المللی، ارزیابی کنند. سرویس های سیستم شامل این موارد می‌شود: ۱) پشتیبانی از سرویس‌های تجاری، ۲) پشتیبانی از سرویس‌های کاوش، ۳) پشتیبانی از سرویس‌های داده، ۴) پشتیبانی از سرویس‌های الگوریتم، و ۵) پشتیبانی از سرویس‌های سیستم. هر کامپوننت سیستم، از طریق شمای XML ارتباط برقرار می‌کند که جزئیات کامپوننت‌ها را مشخص می‌کند و به عامل‌ها اجازه‌ی آزمایش و استفاده از آن‌ها را می‌دهد.

شکل ۴- ۸: چارچوب F-Trade

۴-۳-۳- داده‌کاوی چند منبع بر پایه‌ی عامل

برنامه‌های داده‌کاوی سازمانی، اغلب از منابع داده متعدد استفاده می‌کنند که توزیع شده و ناهمگن هستند و یکپارچه‌سازی آن‌ها هزینه‌بر است. عامل‌های داده‌کاوی که هر کدام برای الگوریتم‌های خاصی طراحی شده‌اند بر روی کاوش الگوهای محلی در هر منبع داده‌ی مجزا تمرکز می‌کنند، و سایر عامل‌های هماهنگ کننده با یکدیگر در ارتباطند تا کاوش الگوی توزیع شده را سازماندهی کنند، و عامل‌های ادغام الگو، عمل تجمیع الگوهای محلی و ایجاد الگوهای کلی را کنترل می‌کنند.

به عنوان مثال، در شکل زیر اصول اساسی کاوش ترکیبی چند منبع در چارچوب MSCM-AKD^[43] نشان داده شده است. سیستم می‌تواند توسط عامل‌ها پیاده‌سازی شود. همانطور که در شکل ۴-۹ می‌بینید، این سیستم می‌تواند شامل عامل‌های زیر باشد:

شکل ۴- ۹: چارچوب MSCM-AKD

عامل‌های مدیریت منابع داده: کنترل کننده‌های داده و هماهنگ کننده‌های داده، که مسئولیت مدیریت ارتباطات مجموعه‌های داده، قسمت‌بندی داده‌ها و ارسال کاراهای داده‌کاوی به مجموعه‌های داده را به عهده دارند. در یادگیری سازگار، کنترل کننده‌های تغییر داده توسعه می‌یابند تا تغییرات مهم داده را کنترل کنند.

عامل‌های داده‌کاوی محلی: داده‌کاوان m₁ تا m_N به منظور انجام دادن عملیات کاوش بر روی مجموعه‌های داده DB₁ تا DB_N.

عامل‌های هماهنگ کننده داده‌کاوی: وظیفه‌ی این عامل‌ها، هماهنگ کردن زمانبندی کاوش الگوی محلی توسط داده کاوان بر روی هر مجموعه‌ی داده است. آن‌ها این کار را برحسب یک پروتکل خاص، که می‌تواند یک دستور از قبل تعریف شده یا تصمیمی که بصورت پویا گرفته شده باشد، انجام می‌دهند. وظیفه‌ی دیگر این عامل، کنترل حالت اجرای یک داده‌کاو و سپس اطلاع دادن به سایرین برای شروع کاوش الگو است.

عامل‌های مدیریت مجموعه الگوی محلی: عامل‌های مدیریت الگوی محلی به مدیریت الگوهای محلی تولید شده توسط