استخراج رابطه مبتنی بر تعبیه لغات با فرآیند جمع سپاری

برای انجام مطالعات داده کاوی، تاحدودی به دلیل پیچیده بودن فرآیند انتخاب ویژگی در کار مورد نظر، نیاز داریم تا بخشی از برچسب زنی را به کارگران در فعالیت جمع سپاری واگذار کنیم. فرآیند واگذاری کارهای داده کاوی به کاربران، اغلب به وسیله سامانه های نرم افزاری و بدون اطلاع دقیق از موقعیت سنی یا جغرافیای محل سکونت کاربران صورت می گیرد. عدم اطمینان از عملکرد کاربران مجازی در جمع سپاری، میزان صحت اطلاعات دریافتی را کاهش می دهد. در این مقاله پیشنهاد داده ایم تا با استفاده از روش های ایجاد انگیزش، تعدادی از مردم را در محلی جمع و از آنها در جهت وظایف جمع سپاری استفاده کنیم. افزایش دقت در اعلام نتایج به دلیل حضور فیزیکی، سرعت بالا در گرفتن نتایج با دقت بالا در زمان تعیین شده، تحصیلات مناسب شرکت کنندگان در فعالیت و بومی بودن طرح اجرایی از ویژگی های این پژوهش هستند. در این پژوهش یک کار یادگیری ماشین انجام شد تا بتوانیم در ضمن آن فعالیت های جمع سپاری را با الگوریتم های شبکه عصبی عمیق ترکیب نماییم.  وظیفه کلاس بندی برای تعبیه لغات به صورت الگوریتمی و تلفیقی با کمک جمع سپاری انجام می شود. روش پیشنهادی با افزودن داده های جمع سپار به داده های قبلی و تغییرات در مدل تعبیه لغات ترکیبی گلاو و وردتووک توانست نتایج مناسبی را  در استخراج ویژگی به دست بیاورد.