បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហានៃការវិភាគទិន្នន័យដ៏ច្រើនសន្ធឹកសន្ធាប់ដែលហូរចូលជាបន្តបន្ទាប់ (Data Streams) ដោយផ្តោតលើការសម្របខ្លួនទៅនឹងការផ្លាស់ប្តូរលក្ខណៈនៃទិន្នន័យតាមពេលវេលាដែលហៅថា បម្រែបម្រួលទម្រង់ទិន្នន័យ (Concept Drift)។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះស្នើឡើងនូវវិធីសាស្ត្រសិក្សាម៉ាស៊ីន (Machine Learning) បែបថ្មីដោយប្រើប្រាស់ប្រព័ន្ធសិក្សាពីរស្រទាប់ និងយន្តការនៃការបង្កើតវិធានសម្រេចចិត្តតាមលំដាប់លំដោយ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Two-Layer Learning System ប្រព័ន្ធសិក្សាពីរស្រទាប់ (Meta-learning) |
អាចរកឃើញ និងប្រើប្រាស់ឡើងវិញនូវម៉ូដែលចាស់ៗបានលឿនតាមរយៈ Meta-classifiers ដោយមិនចាំបាច់រង់ចាំការបញ្ជាក់ (feedback) យូរឡើយ។ មានប្រសិទ្ធភាពខ្ពស់នៅពេលមានបម្រែបម្រួលទម្រង់កើតឡើងដដែលៗ។ | ទាមទារការរៀបចំស្មុគស្មាញ និងត្រូវការរក្សាទុកម៉ូដែលជាច្រើនក្នុងអង្គចងចាំរយៈពេលវែង (Long-term memory) ដើម្បីរង់ចាំការប្រើប្រាស់ឡើងវិញ។ | អាចតាមដាន និងប្តូរម៉ូដែលដោយស្វ័យប្រវត្តិនៅពេលទម្រង់ទិន្នន័យមានការផ្លាស់ប្តូរ និងត្រលប់មកវិញ (Recurrent concepts)។ |
| Incremental Decision Rules វិធានសម្រេចចិត្តកើនឡើង (ឧ. Facil, AQ-PM) |
មានលក្ខណៈម៉ូឌុល (Modularity) និងងាយស្រួលយល់ (Interpretability)។ គេអាចកែប្រែ ឬលុបចោលតែផ្នែកខ្លះនៃវិធានដែលហួសសម័យ ដោយមិនប៉ះពាល់ដល់ម៉ូដែលទាំងមូល។ | ការថែរក្សាវិធានដែលស៊ីសង្វាក់គ្នា (Consistent rules) អាចប្រឈមនឹងការលំបាក និងការថយចុះល្បឿននៅពេលទិន្នន័យប្រែប្រួលលឿនពេក។ | ស័ក្តិសមសម្រាប់ទិន្នន័យហូរចូលបន្តបន្ទាប់ ដោយទាមទារអង្គចងចាំ និងពេលវេលាថេរក្នុងការអានទិន្នន័យមួយម្តងៗ។ |
| Very Fast Decision Tree (VFDT) មែកធាងសម្រេចចិត្តល្បឿនលឿន |
ស័ក្តិសមសម្រាប់ទិន្នន័យហូរចូលលឿន ដោយប្រើទ្រឹស្តី Hoeffding bound ដើម្បីកំណត់ភាពជឿជាក់ក្នុងការបំបែកមែកធាងដោយមិនចាំបាច់រង់ចាំទិន្នន័យទាំងអស់។ | មិនសូវមានភាពបត់បែនក្នុងការកាត់ចេញ (Pruning) ឬកែប្រែផ្នែកតូចៗនៅពេលមានការផ្លាស់ប្តូរទម្រង់ទិន្នន័យ (Concept drift) បើប្រៀបធៀបទៅនឹង Decision Rules។ | អាចបង្កើតមែកធាងចំណាត់ថ្នាក់ដោយឆ្លងកាត់ការអានទិន្នន័យ (Single scan) តែម្តងគត់ប្រកបដោយប្រសិទ្ធភាព។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការទាញយកទិន្នន័យពីបណ្តាញទិន្នន័យ (Data Stream Mining) ទាមទារលក្ខខណ្ឌតឹងរ៉ឹងបំផុតលើធនធានកុំព្យូទ័រ ដើម្បីធានាបាននូវដំណើរការក្នុងពេលវេលាជាក់ស្តែង (Real-time)។
ឯកសារនេះគឺជាសំណើនិក្ខេបបទ (Thesis Proposal) ដែលផ្តោតជាចម្បងលើទ្រឹស្តី និងការអភិវឌ្ឍន៍ក្បួនដោះស្រាយ (Algorithms) ជាងការសាកល្បងលើសំណុំទិន្នន័យជាក់ស្តែងធំៗ។ ចំពោះប្រទេសកម្ពុជា ការពឹងផ្អែកតែលើទ្រឹស្តីនេះអាចជួបបញ្ហាប្រឈម ព្រោះលក្ខណៈនៃទិន្នន័យក្នុងស្រុក (ដូចជាអាកប្បកិរិយាអ្នកប្រើប្រាស់កាតធនាគារ ឬទិន្នន័យអាកាសធាតុ) អាចមានភាពខុសប្លែកពីសំណុំទិន្នន័យស្តង់ដារដែលគេនិយមយកមកសាកល្បង។
វិធីសាស្ត្រ Machine Learning លើ Data Streams នេះមានសក្តានុពល និងសារៈសំខាន់ខ្លាំងណាស់សម្រាប់ស្ថាប័ននានានៅកម្ពុជាដែលត្រូវការវិភាគទិន្នន័យក្នុងពេលវេលាជាក់ស្តែង។
សរុបមក ការអនុវត្តអភិក្រម Stream Mining នឹងជួយកម្ពុជាឱ្យផ្លាស់ប្តូរពីការវិភាគទិន្នន័យបែបប្រពៃណី ទៅជាការសម្រេចចិត្តប្រកបដោយភាពរហ័សរហួន និងទាន់សភាពការណ៍។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Data Stream Mining | ការទាញយកចំណេះដឹង ឬការវិភាគទិន្នន័យដែលហូរចូលជាបន្តបន្ទាប់និងមានទំហំធំធេងដោយគ្មានទីបញ្ចប់ ដែលទាមទារឱ្យប្រព័ន្ធដំណើរការបានលឿន និងប្រើប្រាស់អង្គចងចាំត្រឹមទំហំថេរមួយប៉ុណ្ណោះ។ | ដូចជាការផឹកទឹកពីទុយោទឹកពន្លត់អគ្គីភ័យ ដែលអ្នកត្រូវតែលេបយកទឹកភ្លាមៗនៅពេលវាហូរមក ដោយមិនអាចស្តុកវាទុកក្នុងកែវបានឡើយ។ |
| Concept Drift | បាតុភូតដែលលក្ខណៈនៃទិន្នន័យ ឬទំនាក់ទំនងរវាងទិន្នន័យ និងលទ្ធផលមានការផ្លាស់ប្តូរទៅតាមពេលវេលា ដែលធ្វើឱ្យម៉ូដែលម៉ាស៊ីន (Machine Learning Model) ដែលធ្លាប់រៀនពីមុន លែងមានភាពត្រឹមត្រូវសម្រាប់ការទស្សន៍ទាយបច្ចុប្បន្ន។ | ដូចជាការផ្លាស់ប្តូរចំណូលចិត្តសម្លៀកបំពាក់ពីមួយរដូវទៅមួយរដូវ ដែលធ្វើឱ្យច្បាប់នៃការទស្សន៍ទាយការស្លៀកពាក់ចាស់ៗលែងស័ក្តិសម។ |
| Virtual concept drift | ការផ្លាស់ប្តូរនៃរបាយទិន្នន័យ (Data distribution) ដោយមិនមានការផ្លាស់ប្តូរអត្ថន័យគោលដៅពិតប្រាកដនោះទេ ដូចជាសាររំខាន (Spam) ដែលនៅតែជាសាររំខានដដែល តែវាគ្រាន់តែប្តូរទម្រង់ពាក្យពេចន៍ ឬប្រេកង់។ | ដូចជាចោរដែលប្តូរសម្លៀកបំពាក់ដើម្បីកុំឱ្យគេចំណាំបាន ប៉ុន្តែធាតុពិតនៅតែជាចោរដដែល។ |
| Meta-learning | ដំណើរការដែលប្រព័ន្ធ 'រៀនពីរបៀបរៀន' ដោយប្រមូល និងប្រើប្រាស់បទពិសោធន៍ពីអតីតកាល (Meta-knowledge) ដើម្បីស្វែងយល់ថា តើម៉ូដែលមួយណាដែលស័ក្តិសមបំផុតសម្រាប់ប្រើដោះស្រាយបញ្ហា ឬទិន្នន័យក្នុងបរិបទថ្មីណាមួយ។ | ដូចជាសិស្សម្នាក់ដែលដឹងថាខ្លួនឯងពូកែរៀនតាមរយៈការមើលរូបភាព ជាជាងការអានអក្សរ ដូច្នេះគេតែងតែជ្រើសរើសវិធីសាស្ត្ររៀនបានត្រឹមត្រូវដោយស្វ័យប្រវត្តិ។ |
| Two-Layer Learning System | ប្រព័ន្ធសិក្សាមានពីរស្រទាប់ ដោយស្រទាប់ទីមួយ (Base classifier) ធ្វើការទស្សន៍ទាយលើទិន្នន័យ រីឯស្រទាប់ទីពីរ (Meta-classifier) ធ្វើការវាយតម្លៃថា តើស្រទាប់ទីមួយនោះពិតជាកំពុងដំណើរការបានត្រឹមត្រូវឬអត់នៅក្នុងបរិបទបច្ចុប្បន្ន។ | ដូចជាមានអ្នកធ្វើការម្នាក់ (ស្រទាប់ទី១) និងអ្នកត្រួតពិនិត្យម្នាក់ទៀត (ស្រទាប់ទី២) ដែលចាំមើលថាអ្នកធ្វើការនោះកំពុងធ្វើត្រូវឬខុស។ |
| Page-Hinkley test | វិធីសាស្ត្រស្ថិតិដែលគេប្រើជាទូទៅក្នុងការវិភាគសញ្ញា (Signal processing) ដើម្បីតាមដាន និងរកឱ្យឃើញការផ្លាស់ប្តូរភ្លាមៗនៃទិន្នន័យ ឬកម្រិតកំហុសរបស់ម៉ូដែល ដែលជួយផ្តល់សញ្ញាព្រមានពីបម្រែបម្រួលទម្រង់ (Concept drift)។ | ដូចជាឧបករណ៍រោទិ៍ប្រកាសអាសន្ន ដែលនឹងបន្លឺសំឡេងឡើងភ្លាមៗនៅពេលដែលវាតាមដានឃើញថាកម្រិតទឹកក្នុងទន្លេកើនឡើងខុសប្រក្រតី។ |
| Hoeffding bound | ទ្រឹស្តីបទគណិតវិទ្យាដែលត្រូវបានប្រើនៅក្នុង Very Fast Decision Tree (VFDT) ដើម្បីធានាថា តើម៉ូដែលត្រូវការទិន្នន័យប៉ុន្មានទើបគ្រប់គ្រាន់ក្នុងការធ្វើការសម្រេចចិត្ត (ឧ. ការបំបែកមែកធាង) ក្នុងកម្រិតភាពជឿជាក់ខ្ពស់ ដោយមិនចាំបាច់រង់ចាំមើលទិន្នន័យទាំងអស់។ | ដូចជាការភ្លក់ស៊ុបត្រឹមតែមួយស្លាបព្រាដើម្បីចង់ដឹងថាវាប្រៃឬសាប ដោយមិនចាំបាច់ហូបស៊ុបអស់ទាំងមូលឆ្នាំង។ |
| Incremental Rule Induction | ការបង្កើត និងធ្វើបច្ចុប្បន្នភាពវិធានការសម្រេចចិត្ត (Decision rules) បន្តបន្ទាប់គ្នាម្តងមួយៗនៅពេលមានទិន្នន័យថ្មីហូរចូល ដោយមិនចាំបាច់កសាងប្រព័ន្ធវិធានទាំងមូលឡើងវិញពីចំណុចសូន្យឡើយ។ | ដូចជាការសរសេរច្បាប់ទម្លាប់បន្ថែមថ្មីៗចូលក្នុងសៀវភៅវិន័យ និងលុបចោលត្រង់ចំណុចណាដែលហួសសម័យ ដោយមិនចាំបាច់ហែកសៀវភៅចាស់ចោលហើយសរសេរថ្មីទាំងអស់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
