A semantic framework for noise addition with nominal data

علاوه بر نویز، یک تکنیک تحریف داده است که به طور گسترده در برنامه های کاربردی فشرده داده استفاده می شود. به عنوان مثال، در وظایف یادگیری ماشین کمک می کند تا به کاهش استفاده بیش از حد، در حالی که در حفاظت از حریم خصوصی داده ها، عدم اطمینان به اطلاعات شخصی را اضافه می کند. با این حال، با توجه به اصل عملیات ریاضی، افزودن نویز یک روش است که عمدتا برای داده های عددی پیوسته طراحی شده است. در حقیقت، علیرغم مقدار زیادی اطلاعات اسمی که در حال حاضر در تجزیه و تحلیل داده ها مورد استفاده قرار می گیرند و مورد استفاده قرار می گیرند، تنها چند تکنیک جایگزین برای تخریب داده های اسمی به شیوه ای مشابه به عنوان استاندارد نویز برای داده های عددی پیشنهاد شده است. علاوه بر این، تمام این روش های جایگزینی به توزیع داده ها بستگی دارد به معنای معانی ارزش اسمی، که منفی بر سود حاصل از نتایج تحریف شده است. برای مقابله با این مسئله، در این مقاله، جایگزین معنایی معقول برای نویز عددی مناسب برای داده های اسمی ارائه می کنیم که به آن سروده می شود. با استفاده از سر و صدا معنایی و با بهره برداری از منابع دانش سازمانی، مانند هستی شناسی، ما می توانیم داده های اسمی را تحریف کنیم، در حالی که حفظ معانی آن ها و در نتیجه آن ابزار تحلیلی آنها. برای این منظور، نسخه های معنایی و ریاضی منسجمی از اپراتورهای آماری مورد نیاز در فرآیند اضافه شدن نویز ارائه می دهند که شامل تفاوت، میانگین، واریانس و کوواریانس می باشد. سپس، ما الگوریتم های افزوده سر و صدای معنایی را پیشنهاد می کنیم که با ماهیت محدود، گسسته و غیرمستقیم اطلاعات اسمی مقابله می کنند. الگوریتم های پیشنهادی علاوه بر اضافه کردن سر و صدای غیرقابل هماهنگ، که برای مشخصه های مستقل مناسب است، و علاوه بر سر و صدای همبسته، که می تواند با مجموعه داده های چند متغیره با ویژگی های وابسته، مقابله کند، پوشش می دهد. نتایج تجربی نشان می دهد که پیشنهادات ما ارائه مکانیزم های عمومی و قابل تنظیم برای تحریف داده های اسمی است در حالی که حفظ معنایی داده ها بهتر از روش های پایه براساس توزیع داده ها است.