كلية علوم الحاسوب والرياضيات

مناقشة أطروحة الدكتوراه في كلية علوم الحاسوب والرياضيات – قسم علوم الحاسوب

بعنوان (Classification of Personality Traits based on Data Fusion using Artificial Intelligence)

استمرارا لحركة البحث العلمي وبمتابعة وحضور السيدة عميد كلية علوم الحاسوب والرياضيات الأستاذ الدكتور ضحى بشير عبد الله المحترمة

نوقشت في قاعة المناقشة بكلية علوم الحاسوب والرياضيات في جامعة الموصل يوم الاربعاء 10 – 5 – 2023

أطروحة الدكتوراه (Classification of Personality Traits based on Data Fusion using Artificial Intelligence) للطالبة ربى طلال إبراهيم احمد وبإشراف الأستاذ الدكتورة فوزية محمود رمو.

تناولت الأطروحة التي تقدمت بها الطالبة استخدام موديل هجيني للتعلم العميق مع التعلم الغامض لتحقيق موديل متعدد البيانات وتحقيق محتوى عالي التمثيل لتصنيف رفيع المستوى لسمات الشخصية حسب مقياس Big Five Factor الى خمس فئات هي (Agreeableness, Conscientiousness, Extraversion, Neuroticism, and Openness) وحقق الموديل الهجيني دقة عالية 99% لتمكنه بإزالة الغموض والضوضاء الموجودة في البيانات.

تطرقت الدراسة الى جمع قاعدة بيانات خاصة بالتواقيع إضافة الى جمع استبيان ثم اجراء معالجات أولية عليها واستخدام عدد من الخوارزميات الهيكلية والاحصائية وخوارزميات التعلم العميق لاستخلاص الصفات المهمة. تم اقتراح أربع موديلات الأول تهجين Dense Neural Network مع Fuzzy Learning والاستفادة من التمثيلين في الغاء الغموض والضوضاء الموجودة في البيانات والثاني تطبيق ثلاث خوارزميات مدربة مسبقا (VGG16,ResNet50,Inceptionv3) بعد تجميد الطبقات العليا وإعادة ضبط بعض من طبقات convolution layers وFully Connected layers إضافة الى ضبط المعلمات المهمة واستخدام خوارزميات Optimization وال Regularization اما الموديل الثالث هو إعادة هيكلة شبكة العصبية التلاففية وضبط معلماتها المهمة وطبقاتها. اما الموديل الأخير تم تصنيف بيانات متعددة المصادر Data Fusion استخلصت من عدة خوارزميات هي

structural algorithm, Statistical Algorithms, Deep learning, and Demographics information)) وتم اختيار افضل الصفات باستخدام مكتبة featurewiz library ثم تدريبها على خوارزمية PXGBOOST المتوازية لاستغلال موارد الكومبيوتر والتسريع من التدريب والتقييم للبيانات.

تهدف الدراسة الى تصنيف سمات شخصية الافراد باستخدام خوارزميات التعلم العميق المطورة مع التعلم الغامض وتحقيق دقة عالية 99% إضافة الى استخدام DATA FUSION وتصنيفها باستخدام PXGBOOST للحصول على دقة 98%. وتم تحليل نتائج الموديلات المقترحة باستخدام طرق الأداء والطرق الإحصائية مثل (Friedman Test, Wilcoxon test and Cohen’s Kappa Score).