{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA312",
        "title": "تشخیص اثرات متقابل موثر در داده‌های با بعد بالا",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1394",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QA312",
        "title": "تشخیص اثرات متقابل موثر در داده‌های با بعد بالا",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1394,
        "authors": [
            {
                "name": "سعید محمدی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "داود شاهسونی",
                "role": "استاد راهنما"
            },
            {
                "name": "حسین باغیشنی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "غربال‌گری مستقل مطمئن",
            "رده‌بندی",
            "رگرسیون لجستیک",
            "رتبه‌دهی متغیرها",
            "ضریب همبستگی تعمیم‌یافته",
            "اثرات متقابل"
        ],
        "abstract": "فن‌آوری‌های نوین، داده‌های حجیمی را با بعد بالا تولید می‌کنند که مسئله تحلیل آن‌ها موجب ابداع روش‌های آماری جدید شده است. قبل از اعمال این روش‌ها، معمول است که بعد داده‌های اصلی توسط روش‌هایی نظیر تحلیل مولفه‌های اصلی و تحلیل عاملی، کاهش داده شده و متغیر‌های موثر شناسایی ‌شوند. \r\nبرای داده‌های با بعد بالا، روش‌هایی نظیر غربال‌گری مستقل مطمئن ‎(SIS)‎ و جنگل‌های تصادفی، متغیرها را با توجه به اهمیت آن‌ها رتبه‌بندی کرده و اثرات مهم را شناسایی می‌کنند. این روش‌ها هزینه محاسباتی بالایی ندارند ‏اما اثرات متقابل را در نظر نمی‌گیرند، در حالی که تجربه محقق ممکن است حاکی از لزوم وجود این اثرات باشد. در این تحقیق، با ارائه رویکرد ضریب همبستگی تعمیم‌یافته (درستنمایی ماکسیمم)، اثرات اصلی و متقابل موثر را با ارائه یک الگوریتم دومرحله‌ای شناسایی می‌کنیم. یکی از مزایای این رهیافت نسبت به روش ‎SIS‎ آن است که مجموعه اثرات منتخب، می‌تواند عملکرد روش‌های رده‌بندی از جمله ‎- k ‎نزدیک‌ترین همسایگی و مرکز - مبنا را بهبود بخشد.‎",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QA312.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}