داده کاوی در پایگاه داده های بزرگ: مفاهیم و روش ها
Publish place: International Interactive Information Retrieval Conference
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,667
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:
IIIRC01_019
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
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.
Keywords:
داده کاوی , روش های داده کاوی
Authors
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 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 :