يعتبر تصنيف البيانات الفئوية (Categorical Data Clustering) من المجالات الحيوية التي تعتمد بشكل كبير على قياس المسافات بين الكائنات لتحديد التباين بينها. ومع ذلك، فإن معظم طرق التصنيف الحالية تتعامل مع الأنواع الفئوية - أي السمات المعنوية (Nominal) والترتيبية (Ordinal) - بالطريقة نفسها دون الأخذ في الاعتبار المعلومات المتعلقة بالترتيب.

في هذا البحث الجديد، والذي تم نشره على منصة arXiv، يُناقَش أسلوب مبتكر يستند إلى تحليل العلاقة الداخلية بين القيم المعنوية والترتيبية من منظور يشبه الرسم البياني. حيث تم اقتراح مقياس جديد يقيس المسافات الداخلية بين السمات بطريقة موحدة تجمع بين السمات المعنوية والترتيبية، مع احترام علاقة الترتيب بين القيم التر، وبالتالي يتم تجنب الحلول الفرعية.

كما تم تقديم خوارزمية جديدة للتصنيف تتناول تعلم أوزان المسافات الداخلية ومشارب الكائنات ككل واحد، بدلاً من خطوات منفصلة. أظهرت التجارب فعالية الخوارزمية مقارنةً بالطرق القائمة، مما يشير إلى إمكانية إحداث تغيير جذري في فهمنا وآليات العمل في تصنيف البيانات. كيف تتوقعون أن تؤثر هذه التقنية على مستقبل الذكاء الاصطناعي وتحليل البيانات؟ شاركونا آرائكم في التعليقات!