داده کاوی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 791

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:

CSITM02_086

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد . با استفاده از پرسش های ساده درو ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم باشند ،هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است.از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند وسپس بر اساس گزاراشات مشاهده شده به اثبات یارد فرضیه می پردازند،درحالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر وبه صورت خودکار الگوهاورابطه های منطقی رابیان نمایند. ازسوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس براساسگزاراشات مشاهده شده به اثبات یا رد فرضیه می پردازند، در حالی که امروزه نیاز به روش هایی است که اصطلاحا به کشف دانشبپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند. داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند واطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند. درداده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که درآن بر کشف اطلاعات نهفته وناشناخته از درون حجم انبوه داده ها تاکید می شود. علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین وعلم آماررادرهم می آمیزند تازمینه کاربردی فراهم شود. باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها، در حد مگا یا ترابایت ، مواجه باشیم. در تمامی منابع داده کاوی براین مطلب تاکید شده است.ه هرچه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر میگردد.

نویسندگان

زهرا روزبان

مرکزآموزش علمی کاربردی مخابرات تبریز

زهرا اسدی

مرکزآموزش علمی کاربردی مخابرات تبریز

پدرام اقدسی

مرکزآموزش علمی کاربردی مخابرات تبریز

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 :
  • _ Mento and Brendon Rapple, SPEC Kit 274: _ mining ...
  • http://www.i nfotech era.com/ ...
  • http ://www.ece. ut.ac.i r/d brg/index.htm ...
  • http://www. irandoc. c. ir/index.htm ...
  • http : //www. d b msmag.co) _ 1998 ...
  • نمایش کامل مراجع