استفاده از تکنیک های داده کاوی جهت بررسی عوامل موثر در ابتلاء به اعتیاد، نوع و بازه زمانی مصرف مواد مخدر

اعتیاد به مواد مخدر موجب تهدید ساختارهای اجتماعی، اقتصادی و فرهنگی شده و باعث گسترش بیماریهای چون ایدز و هپاتیت میگردد. به کمک دادهکاوی میتوان به کشف دانش در داده ها پرداخت و از نتایج آن به عنوان سیستم پشتیبان تصمیم گیری در زمینه ی پیش بینی و درمان اعتیاد استفاده نمود. جامعه آماری در این پژوهش مجموعه داده Drug از سایت UCI است که شامل 1884 پاسخ دهنده، و جهت بررسی رفتارهای اجتماعی براساس نتایج تست 5 عامل شخصیت میباشد که شامل 32 متغیر و 7 بازه زمانی مصرف مواد مخدر میباشد. هدف این پژوهش کاربرد الگوریتم های داده کاوی جهت پیش بینی و دسته بندی افراد معتاد بر حسب نوع ماده یا مواد مخدر مصرفی و زمان ابتلاء به آنها است. روش بررسی توصیفی بوده و تحلیل داده ها به کمک نرم افزارهای داده کاوی Rapidminer 7.0 و WEKA انجام شده است. همچنین تکنیک های دسته بندی درخت تصمیم، -kنزدیکترین همسایگی، بیز ساده و قوانین انجمنی مورد استفاده قرار گرفته اند. با توجه به نتایج قوانین درخت تصمیم ویژگیهای دموگرافیک شخص معتاد عامل تاثیرگذار نمی باشند و نمرات بالاتر برای آزمون بیثباتی هیجانی و باز بودن بیشترین تاثیر بر مصرف مواد مخدر و نمرات پایینتر برای توافق و وجدانی بودن کمترین میزان تاثیر را داشتهاند. و با توجه به نتایج الگوریتم FP-GROWTH بین مواد مصرفی مثل شاهدانه و نیکوتین رابطه مستقیمی وجود دارد. ارزیابی کیفیت دسته بندی از طریق اعتبار سنجی cross، و بهترین نتایج با دقت بیش از 80٪ برای مصرف مواد شاهدانه، اکستازی، الکل، کوکایین به دست آمده است.

کلیدواژه ها:

اعتیاد به موادمخدر ، متدهای دسته بندی ، درخت تصمیم ، کشف قوانین