داده کاوی در پایگاه داده های بزرگ: مفاهیم و روش ها

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,632

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IIIRC01_019

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

پایگاه داده بزرگ عبارتی است برای مجموعه ای از داده های بسیار بزرگ و پیچیده که استفاده از ابزارهای مدیریت پایگاه داده موجود و با برنامه های کاربردی سنتی پردازش داده، برای پردازش آنها بسیار دشوار است. رشد انفجاری دادهها در این پایگاه ها، به مجموعه ای از روش ها و ابزارهای جدید که توانایی پردازش هوشمندانه اطلاعات را دارا باشند، نیاز دارد. بنابراین، هدف مقاله حاضر بررسی روش های داده کاوی در پایگاه داده های بزرگ می باشد. روش انجام پژوهش حاضر، توصیفی، و از نوع مروری است. در این پژوهش، مقاله ها و کتاب های مرتبط با موضوع، مورد مطالعه و تحلیل قرار گرفتند. یافته ها حاکی از آن است که مجموعه روش های داده کاوی به دو دسته الگوریتم های یادگیری با نظارت (پیش بینی کننده) و الگوریتم های یادگیری بدون نظارت (توصیفی) قابل تقسیم هستند که هرکدام خود دارای زیربخش هایی می باشند. نتایج بیانگر این است که پایگاه داده های بزرگ، دارای حجم زیاد، سرعت بالا، و /یا تنوع بالای دارایی های اطلاعاتی است که به فرم جدیدی از ترفیع فرایند توانایی تصمیم گیری، اکتشافات درونی، و فرایند بهینه سازی نیاز دارد.

کلیدواژه ها:

داده کاوی ، روش های داده کاوی

نویسندگان

شبنم شاهینی

دانشجوی دکتری رشته علم اطلاعات و دانش شناسی، دانشگاه شهید چمران اهواز

مهشید تربتی

کارشناس ارشد رشته علم اطلاعات و دانش شناسی، کتابدار کتابخانه امام علی (ع)

عبدالرضا ایزدی

دانشجوی دکتری رشته علم اطلاعات و دانش شناسی، دانشگاه شهید چمران اهواز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Hand, D. J., Mannila, H., & Smyth, P. (2001). Principles ...
  • اسماعیلی، مهدی (1391). مفاهیم و تکنیک های داده کاوی. [تهران: ...
  • کامجو علی؛ عزیزی مزرعه، آرش(1393). داده کاوی سری‌های زمانی با ...
  • حسین ژد. اعظم؛ توسلی، سوده (1390). مهمترین و پر کاربردترین ...
  • طلوعی اشلقی، عباس؛ نیکومام، هاشم و فرناز مقدوری شربیانی(1389). طبقه ...
  • صادقیان, زینب؛ محمدزاده، جواد (1394). تکنیک‌های داده کاوی برای کاوش ...
  • مرمدرس سرچشمه، موسی؛ افشارکاظمی، محمدعلی (1394). بکارگیری الگوریتم Kohonen در ...
  • احمدوند، علی محمد؛ آخوندزاده، الهام (1389). چارچوب کاربردی تکنیک‌های داده‌کاوی ...
  • Fernandez, G. (2010). Data mining using SAS applications. CRC press. ...
  • Lu, C. L., & Chen, T. C. (2009). A study ...
  • Tang, Z., & Maclennan, J. (2005). Data mining wvith SQL ...
  • Pang-Ning, T., Steinbach, M., & Kumar, V. (2006). Introduction to ...
  • Gray, G. _ & Debreceny, R. S. (2014). A taxonomy ...
  • Ahmed, S., Coenen, F., & Leng, P. (2006). Tree-based partitioning ...
  • Ngai, E. W., Xiu, L., & Chau, D. C. (2009). ...
  • Elangovan, M., Ramachandran K. I., & Sugumaran, V. (2010). Studies ...
  • Seifert, J. (2004). Data mining: An overview. Analyst in Information ...
  • Han, J., Pei, J., & Kamber, M. (2011). Data mining: ...
  • Kantabutra, S., & Couch, A. L. (2000). Parallel K-means clustering ...
  • نمایش کامل مراجع