تشخیص نابهنجاری در داده های رشته ای

امروزه با افزایش روزافزون حجم و تنوع داده ها، نیاز به تحلیل خودکار داده ها اهمیت بسیاری پیدا کرده است. این تحلیل خودکار، شامل استخراج اطلاعات از داده های موجود و استفاده از این تحلیلها برای کاربردهای آینده میشود. این کاربردها میتوانند به دسته بندی خودکار داده ها، خوشه بندی و جداسازی انواع داده ها و تشخیص نابهنجاری در داده ها تقسیم شوند. تشخیص نابهنجاری یکی از اساسیترین مسایل یادگیری ماشین است. هدف این مسیله این است که با ورودی گرفتن مجموعهای از داده ها، توزیع آنها را تخمین بزند و در آینده، بتواند داده هایی را بیابد که از این توزیع تولید نشده اند. از طرف دیگر، امروزه داده های رشته ای در زمینه های مختلف رواج فراوانی پیدا کرده اند. این داده ها میتوانند شامل داده های متنی، ویدیو، داده های زیستی نظیر دیانای و پروتیین و ... باشند. تشخیص ناهنجاری در این داده ها از آنجایی متفاوت و حساس تر است که یک داده ی رشته ای مشخص میتواند تنها در بخشی از خود ناهنجاری داشته باشد و در سایر مواقع رفتار عادی از خود نشان دهد. این مساله، کاربردهای بسیاری را در دنیای امروز شامل میشود. به طور مثال، ناهنجاری در نوار قلب میتواند نشان دهد که شخص مدنظر مشکل قلبی دارد. ناهنجاری در ویدیو به طور مثال در دوربینهای ترافیکی میتواند نشان دهد که اتفاق غیرمعمولی در حال رخ دادن است. ناهنجاری در رشته ی فراخوانی های سیستمی یک برنامه میتواند نشان دهد که این برنامه در حال فعالیت غیرمعمول و احتمالا مخرب است. تشخیص ناهنجاری در رشته ها چالشهای بیشتری را شامل میشود. چرا که با توجه به وجود وابستگیهای عناصر رشته به یکدیگر، کشف این وابستگیها برای هر کاربردی در زمینه ی پردازش رشته لازم است. در این مستند، تشخیص ناهنجاری در رشته های گسسته به طور خاص مورد بررسی قرار میگیرد. به این منظور، در ابتدا این مسیله به طور کامل معرفی میشود و به روشهایی که برای حل این مسیله ارایه شده اند پرداخته میشود. همچنین شبکه های عصبی بازگشتی به عنوان ابزاری که احتمالا میتواند در این زمینه بسیار مفید واقع شود معرفی میشوند.

کلیدواژه ها:

تشخیص نابهنجاری ، شبکه ی عصبی بازگشتی ، دسته بندی ، داده های رشته ای گسسته ، سبمول