ارائه چارچوبی نوین برای کشف، استخراج و اولویت بندی نیازمندی های شهروندان با استفاده از ماتریس ارزش محورمورد مطالعه سامانه مدیریت شهری 137 شهرداری تهران
Publish place: 1st National Innovation Conference on Computer Engineering and Information Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,001
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEIT01_094
تاریخ نمایه سازی: 9 تیر 1393
Abstract:
در سازمان های بزرگ مقیاس امروزی برای کشف، استخراج و اولیت بندی ارضای نیازمندی های ذینفعان، در گستره ای که ممکن است هزاران ذینفع در برگرفته شوند، نیازمند دانش هوشمندی مانند داده کاوی هستیم. با توجه به اینکه سازمان ها، داده ها و اطلاعات بسیاری در تصرف خود دارند و با فلج ساختن اطلاعات یک چالش کلیدی در تصمیم گیری تشکیلات سازمانی ایجاد می نمایند، فرآیند کشف دانش از پایگاه داده سازمان مطرح گردیده که یک فرایند علمی برای شناسایی الگوهای معتبر، بالقوه مفید و قابل فهم از داده ها می باشد. در این مقاله قصد داریم با بکارگیری داده کاوی به عنوان مرحله ای از فرآیند کشف دانش و استفاده از ماتریس ارزش محور در راستای تعیین اولویت نیازمندی ها به استخراج و اولویت بندی نیازمندی شهروندان بپردازیم. بدین صورت که ابتدا با استفاده از الگوریتم K-Means به خوشه بندی نیازمندی ها پرداخته و سپس هر خوشه را به ماتریس ارزش محوری نگاشت می کنیم تا به میزان فوریت و درجه اهمیت نیاز پی برده و اولویت بندی را بر این اساس انجام دهیم . مطالعه موردی این تحقیق سامانه مدیریت شهری 137 شهرداری تهران می باشد که شامل میلیون رکورد ثبت شده از نیازمندیهای شهروندان تهرانی می باشد. براساس نتایج بدست آمده می توان نیازمندی های رتبه بندی شده شهروندان را معرفی نمود.
Keywords:
Authors
جواد وحیدی
دکتری ریاضی ، عضو هیئت علمی دانشگاه علم و صنعت ایران، دانشگاه علم و صنعت ایران واحد بهشهر
بابک شیرازی
دکتری مهندسی صنایع، دانشگاه علوم
سید حسین خلیلی
کارشناسی ارشد مهندسی فناوری اطلاعات ، دانشگاه علوم و فنون مازندران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :