Quality of information-based source assessment and selection

منابع اطلاعات چندگانه برای همان مجموعه ای از اشیا ها می توانند نماینده های مختلف ارائه دهند، و ترکیب مزایای آنها ممکن است قدرت پیش بینی برای یک کار مشخص را بهبود بخشد. با این حال، قابل توجه است که برخی از منابع ممکن است بی ربط و یا بیش از حد. به این ترتیب، انتخاب مجموعه ای از منابع اطلاعات خوب است که می تواند به بهبود عملکرد یادگیری کمک کند، و کار بسیار کمی در این موضوع گزارش شده است. در این مقاله ابتدا دو جنبه از کیفیت اطلاعات، اهمیت منبع و افزونگی منبع را مشخص می کنیم. به طور خاص، اهمیت نشان دهنده درجه ای است که یک منبع اطلاعاتی به طبقه بندی کمک می کند و افزونگی اطلاعات را با هم همپوشانی می کند. سپس یک معیار ارائه می دهیم که اطلاعات متقابل محله را با یک الگوریتم حداکثر معنی-حداقل-افزونگی ترکیب می کند، که به ما اجازه می دهد مجموعه ای جمع و جور از منابع اطلاعاتی برتر برای یادگیری طبقه بندی را انتخاب کنیم. آزمایش های گسترده نشان می دهد که متریک در یافتن منابع اطلاعات خوبی مفید است و روش پیشنهادی از بسیاری از روش های دیگر برتر است.