كاوش روابط پنهان ميان شاخص‌هاي چندگانه‌ي محروميت با رويكرد تركيبي داده‌كاوي و شبكه‌هاي پيچيده

Exploring Hidden Relations among Indices of Multiple Deprivation using a Hybrid Approach of Data Mining and Complex Networks

بحث محروميت زدايي از مناطق محروم همواره از اهميت ويژه‌يي در ميان برنامه‌هاي كشورها برخوردار است. دولت ها مي‌كوشند تا با درك نيازها و كمبودهاي هر منطقه، اقداماتي در جهت رفع نيازهاي اساسي مناطق انجام دهند. در اين نوشتار سعي بر آن است تا با كشف ارتباطات پنهان بين شاخص‌هاي محروميت و ارايه‌ي نتايج، گامي نوين در اين حوزه برداشته شود. بدين‌منظور رويكرد جديدي از كاربرد ابزارهاي داده‌كاوي و شبكه‌هاي پيچيده در اين حوزه ارايه شده كه تركيبي از تكنيك قوانين انجمني و مفاهيم ساختاري شبكه‌هاي پيچيده است. در اين رويكرد ابتدا با استفاده از قوانين انجمني روابط پنهان بين شاخص‌هاي نه‌گانه‌ي محروميت به دست آمده و در ادامه شبكه‌ي ابتكاري مبتني بر قوانين، به منظور شناسايي تاثيرگذارترين و تاثيرپذيرترين شاخص‌ها مورد بررسي قرار گرفته است. از نتايج به دست آمده مي توان در تصميم گيري هاي محروميت زدايي، اختصاص بودجه براي اجراي بهتر و تمركز گرايي هدف‌مند در محروميت زدايي مناطق استفاده كرد.

Overcoming poverty in less developed regions has particular importance for their main programs. Governments try to undertake actions in order to respond to the primary needs and deficiencies of their country by recognizing them. In this regard, this research endeavors to explore the correlation between deprivation indices and provision of results. Accordingly, a new hybrid approach towards using data mining tools and complex networks is presented that combines association of the rule mining technique and the structural concepts of complex networks. Firstly the hidden relations among the nine sub indices of deprivation are extracted using associated rule mining, and, after that, a new graph is constructed based on the extracted rules and analyzed to find the most effective and affected indices. The obtained results can be used in decision making in overcoming deprivation and for better funding of deprivation strategies in deprived areas.