حسین مرشدلو - دانشجوی کارشناسی ارشد کامپیوتر، گرایش نرم افزار، دانشکده مهندسی کام
احمد عبدالله زاده بارفروش - عضو هیت علمی دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی

یکی از مسائ لی که در استخراج دان ش در منبع داد ههای مختلف وجود دارد این مسأله است که منابع ی که حا وی دادههایی با مفاهیم یکسان هستند، بت وانند از مدل دادههای همدیگر برای مواردی همچون بالا بردن دقت پیش بینیهای خود استفاده نمایند و نیز به دستهای از قواعد و رواب ط موجود بین دادهها که در منبع داده محلی نیز صادق است اما بدلیل نحوه توزیعشدگی دادهها امکان کشف آنها در منبع محل ی وجود ندار د، دس ت پیدا کنن د. اما در بسیا ری از اوقات، بدلیل متفاوت بودن شما ی مجموعه دادههای این منابع از یکدیگر با وجود اینکه حاو ی داد ههایی با مفاهیم یکسان هستند امکان استفاده از مدل دادههای یکدیگر وجود ندارد. در این مقاله روشی بر ای مجتم عسازی مدل داد ههای منبع داد ههای مختلف با شماه ای متفاوت و قابل استفاده نمودن این مد ل داد هها برا ی استفاده در یک منبع داده دیگر ارائه شده است و مراحل پیاده سازی و نیز تست آن بر روی یک مجموعه داده آزمایشی شرح داده شده است و مشکلات موجود در این زمینه مورد بررس ی قرار گرفته است و در نهایت با توجه به پتانسیل عامل و سیستمهای چن د- عامله، استفاده از عامل در جهت حل این مشکلات مورد بحث قرار گرفته است.

مدل داده، طبقهبند،منبع داده، شماء، نماد، مفهوم، رأیگیری