মেমরি-ভিত্তিক রিজনিং (Memory Based Reasoning) অ্যাপ্লিকেশন
মানবের অভিজ্ঞতা থেকে যুক্তি করার ক্ষমতা উপযুক্ত উদাহরণগুলো পূর্বের অভিজ্ঞতা থেকে চিহ্নিত করার ক্ষমতার ওপর ভিত্তি করে। একটি ডাক্তার রোগ নির্ণয়, একটি ক্লেম অ্যানালিস্ট ফরফুল বীমা সম্পত্তি ফ্ল্যাগ করা, এবং একটি মশরুম হান্টার মোরেল চিহ্নিত করা - সবাই একই প্রক্রিয়া অনুসরণ করে।
প্রতিটি প্রথমে অভিজ্ঞতা থেকে সমান কেস চিহ্নিত করে এবং তারপর সেই কেসগুলোর জ্ঞান বর্তমান সমস্যার ওপর প্রয়োগ করে। এটি হল মেমরি-ভিত্তিক রিজনিং-এর সার। একটি পরিচিত ডেটার ডেটাবেস সার্চ করা হয় একটি নতুন ডেটার সাথে সাদৃশ্যপূর্ণ প্রি-ক্লাসিফাইড রেকর্ড খুঁজে বের করতে। এই নেইবররা ক্লাসিফিকেশন এবং কম্পিউটেশনের জন্য ব্যবহার করা হয়।
মেমরি-ভিত্তিক রিজনিং-এর বিভিন্ন অ্যাপ্লিকেশন
ফ্রড ডিটেকশন (Fraud detection)
নতুন ফ্রড কেস পরিচিত কেসের সাথে সাদৃশ্যপূর্ণ হওয়ার প্রবণতা রয়েছে। MBR সেগুলোকেও খুঁজে বের করতে পারে এবং আরও التحقيقের জন্য ফ্ল্যাগ করতে পারে।
গ্রাহক প্রতিক্রিয়া পূর্বাভাস (Customer response prediction)
এক অফারের प्रति প্রতিক্রিয়া জানানোর সম্ভাবনা वाले পরবর্তী গ্রাহকরা সম্ভবত আগের প্রতিক্রিয়া জানানো গ্রাহকদের সাথে সাদৃশ্যপূর্ণ। MBR সহজেই পরবর্তী সম্ভাব্য গ্রাহকদের চিহ্নিত করতে পারে।
চিকিৎসা চিকিৎসা (Medical treatments)
একটি নির্দিষ্ট রোগীর জন্য কার্যকর চিকিৎসা সম্ভবত সেটি যা সমান রোগীদের জন্য সেরা ফলাফল দেয়। MBR সেরা ফলাফল দেবার চিকিৎসা খুঁজে বের করতে পারে।
প্রতিক্রিয়া শ্রেণিবিন্যাস (Classifying responses)
ফ্রি-টেক্সট প্রতিক্রিয়া, যেমন ইউ.এস. সেনসাস ফর্মে অকুপেশন এবং মার্কেটের জন্য বা ব্যবহারকারীদের অভিযোগ, একটি নির্দিষ্ট কোড সেটে শ্রেণিবদ্ধ করতে হয়। MBR ফ্রি-টেক্সট প্রসেস করতে পারে এবং কোড বরাদ্দ করতে পারে।
MBR-এর শক্তি
MBR-এর শক্তি তার তথ্য ব্যবহার করার ক্ষমতা। অনেক ডেটা মাইনিং পদ্ধতির বিপরীতে, এটি ডেটার কাঠামোর চিন্তা করে না। এটি শুধু দুটি অপারেশনের অস্তিত্বের যত্ন নেয়: যেকোনো দুটি ডেটার মধ্যে দূরত্ব গণনা করতে সক্ষম একটি দূরত্ব ফাংশন এবং একাধিক নেইবরের ফলাফল একত্রিত করে একটি উত্তর পেতে সক্ষম একটি কম্বিনেশন ফাংশন।
এই ফাংশনগুলো বিভিন্ন ধরনের রেকর্ডের জন্য সংজ্ঞায়িত, যেমন জটিল বা অসামান্য ডেটা টাইপ সহ রেকর্ড (জিওগ্রাফিক এলাকা, ছবি, এবং ফ্রি টেক্সট) যেগুলো সাধারণত অন্যান্য অ্যানালাইসিস কৌশল দিয়ে হ্যান্ডেল করা কঠিন।
MBR-এর দ্বিতীয় শক্তি তার অভিযোজনের ক্ষমতা। ঐতিহাসিক ডেটাবেসে নতুন ডেটা যোগ করলেই MBR নতুন বিষয় ও পুরনো বিষয়ের নতুন সংজ্ঞা শিখতে সক্ষম হয়। MBR প্রশিক্ষণ বা ইনকামিং ইনফরমেশনকে সঠিক ফরম্যাটে রূপান্তর করার জন্য طول সময় ব্যয় না করেও সেরা ফলাফল দেয়।
এই সুবিধাগুলো একটি খরচে আসে। MBR রিসোর্স হগ হতে প্রবণ কারণ বড় পরিমাণ ঐতিহাসিক ডেটা নেইবর খুঁজে বের করার জন্য সহজে উপলব্ধ থাকতে হয়। নতুন ডেটা ক্লাসিফাই করতে সকল ঐতিহাসিক ডেটা প্রসেস করতে হতে পারে সবচেয়ে সাদৃশ্যপূর্ণ নেইবর খুঁজে বের করার জন্য - একটি ইতিমধ্যে প্রশিক্ষিত নিউরাল নেটওয়ার্ক বা ইতিমধ্যে নির্মিত ডিসিশন ট্রি ব্যবহার করার চেয়ে ধীর প্রক্রিয়া। এছাড়াও ভালো দূরত্ব ও কম্বিনেশন ফাংশন খুঁজে বের করার কঠিনতা রয়েছে, যেটি কিছু ট্রায়াল-এরর এবং直感 দরকার।
