متن کاوی در هوش تجاری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 880

فایل این مقاله در 6 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:

ECCONF01_094

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

این مقاله شامل مطالعه ترکیبی از هوش تجاری و متن کاوی دادههای نامشخص است. داده ها ی مورد اسنفاده در حوزه ی کسب وکار دقیق، صحیح و کامل نیستند. داده ها نامشخص در نظر گرفنهمی شوند و در ننیجه این عدم اطمینان به ننایج تولید شده توسطهوش تجاری مننقل می شود. در گذشنه، وب سایت ها اغلب برایجستجو از متن اسنفاده می کردند، که تنها اسنادی پیدا می شد کهحاوی تعریف داده شده توسط کاربر بود. متن کاوی با اسنفاده از وبمعنایی و بر اساس معنا جسنجو می کند و نه بر اساس یک کلمه.این روش جستجو ننایج هوش تجاری را بهبود می بخشد و تحلیلشبکه های اجنماعی را آسان می کند.نرم افزار استخراج متن شبیه به یک تحلیل گر اطلاعاتی عمل می کندکه بر دامنه ی محدودی از تجزیه و تحلیل تمرکز می کند. متنبیانگر، طیف غنی و گسترده ای از اطلاعات هست، اما استخراج ایناطلاعات کار سختی است.این سختی کار ممکن است به این دلیل باشد، که تا به امروز کارکمی در اینباره شده است، و بسیاری از افراد در مورد دسترستی بهاطلاعات آن صحبت کرده اند و نه درباره ی استفاده ی مستقیم ازمتن برای اکتشاف اطلاعات ناشناخنه. این مقاله ما به کشف اینمناطق و تعریف هوش کسب و کار، داده های ساخت یافنه یا بدونساخنار و اسنخراج متن، و سپس بحث در مورد کاربردهای بالقوه ومحدودیت های متن کاوی می پردازد. ایده پشت این بحث توجه بهانواع جدید و هیجان انگیز گرایش های هوش تجاری مانند محاسباتسبز، شبکه های اجتماعی، تجسم داده ها، هوش تجاری سیار، تجزیهو تحلیل پیش بینی، برنامه های کاربردی ترکیبی، محاسبات ابری ونرم افزار به عنوان یک سرویس می باشد.در این مقاله به ایده های اخیر در مورد چگونگی طرح های اکتشافی،تجزیه و تحلیل روی متن و آنچه ما لازم داریم برای داده کاویبرروی متن می پردازیم.

نویسندگان

حمید رحمتی احمدآباد

دانشجوی کارشناسی ارشد،دانشگاه پیام نور

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 :
  • Data Mining: CSE-634ه [4]Wasilewska Anita, 2007. Text ...
  • ا فیضی درخشی، محمد رضا، رشیدی، شیما و محمودلو، فاطمه، ...
  • Mohit Rathi, Manish Lohia, _ 2014.، RESEARCH PAPER ON ROLE ...
  • M .VeeraKarthik, M.Elamparithi, 2014. "Enhance the Text Clustering using an ...
  • Gao Li, Chang Elizabeth, and Han Song, 2005. "Powerful Tool ...
  • نمایش کامل مراجع