Vad är mönsterigenkänning?

Mönsterigenkänning är ett systems förmåga att känna igen mönster inom uppsättningar av data, förlita på såväl programmerad som inlärd kunskap. Detta är en viktig del av datavetenskapen, eftersom det möjliggör utveckling av system som kan komplexa dataanalyser. Detta kan hjälpa forskare att sortera data snabbt för att hitta meningsfull information, eftersom de inte behöver läsa igenom informationen manuellt för att hitta intressanta platser. Mönsterigenkänning kan också vara användbart för att upptäcka fel, bedrägeri och andra problem inom datauppsättningen.

Detta skiljer sig från mönstermatchning, där systemet exakt kan matcha material genom att använda en känd databas. Ett tydligt exempel på denna distinktion kan ses i e-postfilter. Många webbaserade e-postkonton har en skräppostmapp. E-postleverantören skannar inkommande e-post och använder mönsterigenkänning för att identifiera skräppost och släppa den i den här mappen. Användaren kan också filtrera sitt e-postmeddelande och be klienten släppa e-post från en viss avsändare eller med särskilt innehåll till en specifik mapp.

Handlingen för att leta efter skräppost kräver förmågan att känna igen allmänna mönster, till exempel närvaron av specifika ord, kända misstänkta Internet-protokoll (IP) -adresser och andra röda flaggor som kan markera en bokstav som falsk. Detta är mer avancerat än ett filter, som helt enkelt ber systemet att matcha mönster. Om systemet ser ett ord eller avsändare som passar mönstret kan det flytta e-postmeddelandet till rätt mapp.

Komplexa algoritmer stöder mönsterigenkänning. Systemet kan använda flera sätt för att utforska inkommande data och bestämma hur man bäst ska hantera den. Det kan programmeras för att utföra specifika funktioner, såsom att dirigera misstänkta eller korrupta data till en viss plats, klassificera data på ett meningsfullt sätt och så vidare. Systemet kan lära sig och använder detta som ett verktyg för att bli bättre på mönsterigenkänning. Varje gång en användare till exempel flaggar ett e-postmeddelande som skräppost skannar systemet e-postmeddelandet för att lära sig mer om det, och systemet fortsätter inte att göra misstaget att lägga liknande e-postmeddelanden i inkorgen.

Datorforskare utvecklar nya mönsterigenkänningstekniker i labb- och forskningsmiljöer. Dessa kan tillämpas på olika uppgifter och kräver konstruktion av neurala nätverk som kan interagera med data och förändras över tid. Vissa program är extremt sofistikerade och kan mycket detaljerat mönsterigenkänning, och andra är mer förenklade. Sådana program minskar antalet mänskliga timmar som krävs för att analysera data och kan fånga saker som en människa kan missa, till exempel bevis på bedrägeri i form av oegentligheter som omfattar tusentals försäkringsanspråk.