استفاده از الگوریتم Apriori جهت استخراج قواعد همباش از کتابخانه الکترونیک

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,738

فایل این مقاله در 8 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:

CSITM01_567

تاریخ نمایه سازی: 10 شهریور 1393

چکیده مقاله:

از آنجائیکه امروزه تولید دانش از داده های خام و گنگ و پیچیده در همه جای دنیا مورد توجه قرار گرفته است و این تکنیک های داده کاوی هستند که باعث تولید دانش می شوند و از طرفی داده های بی شماری که در پایگاه داده های کتابخانه های الکترونیک وجود دارد بر آن شدیم که از یک نگاه جدید داده های کتابخانه ها را مورد تجزیه و تحلیل قرار دهیم و اطلاعاتی را در اختیار کاربران و کتابداران قرار دهیم که علاوه بر مفید بودن شان، ذینفعان بتوانند با توجه به این اطلاعات در کمترین زمان بیشترین استفاده را از مراجعه به یک کتابخانه الکترونیک ببرند. ما تکنیک تولید قواعد همباش که یک از تکنیک های داده کاوی است را انتخاب کردیم و در این راه از الگوریتم محبوب Apriori بهره جستیم. نتایج بدست آمده نشان می دهد که یک موضوع دانشی با چه موضوعات دیگری ارتباط دارد و این ارتباط چقدر می تواند مستحکم باشد و کتابداران می توانند با استفاده از این نتایج به شکل جدید و کارآمدی نسبت به چیدمان قفسه ها اقدام نمایند.

کلیدواژه ها:

داده کاوی ، قواعد همباش ، الگوهای پرتکرار ، دامنه پشتیبانی از قاعده ، میزان اعتماد به قاعده

نویسندگان

حیدر جعفرزاده

دانشجوی کارشناسی ارشد نرم افزار دانشگاه آزاد اسلامی واحد علوم و تحقیقات ایلام

مهدی صادق زاده

استادیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات ایلام

امیر امیری

دانشجوی کارشناسی ارشد نرم افزار دانشگاه آزاد اسلامی واحد ملایر

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 :
  • Holmes, A, Donkin, I. & Witten , H. (1994). WEKA: ...
  • Han, J, Cheng, H, Xin, D. & Yan, X. (2007). ...
  • Zhu, F, Yan, X, Han, J, Yu, P.S. & Cheng, ...
  • Chan, K. & Liebowitz, J. (2006). The synergy of social ...
  • Eppler, M.J. (2001). Making knowledge visible through knowledge maps: concepts, ...
  • Huijsen, W, O, Driessen, S. & Jacobs, J. (2004). Explicit ...
  • Hult, G. T. M. & Ketchen, D. J. (2006). Knowledge ...
  • Jafari, M, Akhavan, P, Bourouni, A. & Amiry, R.H. (2009). ...
  • Mclure-Wasko, M. & Faraj, S. (2000). It is what one ...
  • Song, I.Y. & Levan-shultz, K. (2010). Data Warehouse Design for ...
  • Agrawal, R, Imielinski, T. & Swami, A. (1993). Mining association ...
  • Agrawal R, & Srikant R (1994). Fast algorithms for mining ...
  • Han, J, Pei, J. & Yin, Y. (2000). Mining frequent ...
  • Zaki, M.J. (2000). Scalable algorithms for association mining: IEEETra nsKnowl ...
  • Cakir, O. & Aras, M.E. (2012). A re commendation engine ...
  • Patel, B, Chaudhari, V.K, Karan, R.K. & Rana, Y.K. (2011). ...
  • Hanguang, L. & Yu, N. (2012). Intrusion Detection Technology Research ...
  • Huang, Ch, Kang, Sh, Chang, Ch. & Hsing, Lu. (2007). ...
  • Tseng, V, Wang , Sh. & Hwung, M-H.J. (2010). A ...
  • Khedikar, K. A. & Lobo, M.R.J. (2011). Data Mining:You'Ve Missed ...
  • Battioui, Ch. (2010). Data Mining Techniques To Analyze A Library ...
  • نمایش کامل مراجع