ওবামার পুনর্নির্বাচন প্রচারে ডেটা মাইনিং দল সম্পর্কে এই নিবন্ধটি জুড়ে এসেছি । দুর্ভাগ্যক্রমে, নিবন্ধটি পরিসংখ্যান সংক্রান্ত অ্যালগরিদমের আসল যন্ত্রপাতি সম্পর্কে খুব ঝাপসা। তবে, এটি এমন শোনা গেল যে সাধারণ কৌশলগুলি সামাজিক ও রাজনৈতিক বিজ্ঞানে পরিচিত। যেহেতু এটি আমার দক্ষতার ক্ষেত্র নয়, তাই কেউ এই ধরণের কৌশল সম্পর্কে আমাকে (ওভারভিউ) সাহিত্যে নির্দেশ করতে পারে?
উত্তর:
সেই অঞ্চলটিকে মাইক্রোটারেজেটিং বলা হয় (যদি আপনি এটির জন্য গুগল করতে চান)। প্রচারাভিযানগুলি তাদের সরঞ্জামগুলি এবং পদ্ধতিগুলি সম্পর্কে অত্যন্ত গোপনীয়, তাই আমার জ্ঞানের মতে হ্যাল মালচোর রাজনৈতিক লক্ষ্যমাত্রা (২০০৮) বা গ্রিন অ্যান্ড গারবারের (২০০৮) ব্যতীত তেমন প্রকাশিত কোনও কাজ নেই, ভোটার ভোটদান কীভাবে বাড়ানো যায় (পরবর্তী চুক্তিগুলি) সামাজিক বিজ্ঞানের দিকগুলির সাথে আরও কী কী বিজ্ঞাপন কার্যকর এবং এর মতো)।
আরও প্রযুক্তিগত বিষয়ে সাহিত্যের তুলনায় আরও দুষ্প্রাপ্য, তবে দেখুন, ম্যারে ও স্কাইম (২০১০) , ইমামি ও স্ট্রাসের রাজনৈতিক বিশ্লেষণ পত্র (২০১১) ( পোস্টপ্রিন্ট ) অথবা আমাদের রাশ, লি দ্বারা প্রয়োগিত পরিসংখ্যানের সাম্প্রতিক অ্যানালসগুলি , হর্নিক, জাঙ্ক এবং জিলিস (2013) ( পোস্টপ্রিন্ট )। তাদের সকলের মধ্যে যা মিল রয়েছে তা হ'ল তারা ডেটা মাইনিংয়ের কৌশলগুলি ব্যবহার করে, বেশিরভাগই গাছ ভিত্তিক।
মারে এবং স্কাইমে স্ট্যান্ডার্ড শ্রেণিবদ্ধ গাছগুলি কার্টের মতো ব্যবহার করে।
রাশ এট আল। শ্রেণিবদ্ধকরণ গাছ, লজিস্টিক মডেল এবং গাছের একটি সংকর এবং লজিস্টিক রিগ্রেশন ব্যবহার করুন। তারা গাছের সংকরগুলির সাথে তুলনা করার জন্য এলোমেলো বন, নিউরাল নেটওয়ার্ক, সাপোর্ট ভেক্টর মেশিন এবং বায়েসিয়ান অ্যাডেটিভ রিগ্রেশন গাছগুলিও (অন্যদের মধ্যে) ব্যবহার করে, যেমনটি কাগজে পুনরায় যোগে বর্ণিত হয়েছে । তাদের হাইব্রিড গাছগুলি তাদের ডেটা সেটগুলিতে সেই অন্যান্য পদ্ধতির সাথে পারফর্ম করে এবং বর্ধিত ব্যাখ্যাযোগ্যতার প্রস্তাব দেয় (আমরা তাদের কোড এবং ডেটাও ভাগ করি)।
ইমি এবং স্ট্রস আকর্ষণীয় অনির্বাচিত কারণ তারা অপরিশোধিত প্রচার পরিকল্পনা করার জন্য একটি বিস্তৃত সিদ্ধান্তের তাত্ত্বিক কাঠামো উপস্থাপন করে, অন্যের মতো মাইক্রোটার্জিংয়ের সরঞ্জামগুলি নয়। এইভাবে তারা প্রচারাভিযানের প্রতিটি ডলারের মধ্যে কীভাবে সর্বাধিক উপার্জন করতে পারে সে সম্পর্কে অপারেশনাল গবেষণার দিকগুলিতে খুব বেশি মনোনিবেশ করছে। তাদের কাঠামোর যে দিকটিতে তারা মাইক্রোটারেটিং এবং টার্নআউট অনুমানের জন্য পরিসংখ্যান কৌশলগুলি নিয়োগ করে, তারা আবার শ্রেণিবিন্যাস গাছগুলিতে নির্ভর করে।
সুতরাং, কিছুটা sensক্যমত্য বলে মনে হচ্ছে যে গাছ ভিত্তিক পদ্ধতিগুলির ব্যবহার এই ক্ষেত্রে ভাল কাজ করে।