CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

روشی برای کشف قوانین وابستگی در پایگاه داده های زمانی با استفاده  از گراف رابطه و الگوی تقویمی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۳۰۶۸ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: ACCSI14_079
زبان مقاله: فارسی
حجم فایل: ۱۲۷.۴ کیلوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روشی برای کشف قوانین وابستگی در پایگاه داده های زمانی با استفاده  از گراف رابطه و الگوی تقویمی

  پروانه رضایت - دانشگاه یزد، دانشکده برق و کامپیوتر
  محمد قاسن زاده - دانشگاه یزد، دانشکده برق و کامپیوتر
  مژگان شبان زاده - دانشگاه اصفهان، دانشکده کامپیوتر
  محمد حسن سرائی - دانشگاه صنعتی اصفهان، دانشکده برق و کامپیوتر

چکیده مقاله:

در دو دهه قبل توانایی های فنی بشر برای تولید و جمع آوری داده ها به سرعت افزایش یافته است.بطور کلی استفاده همگانی از وب و اینترنت ما را مواجه با حجم زیادی از داده و اطلاعات می کند. این رشد انفجاری در داده های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. داده کاوی را می توان عمل استخراج اطلاعات پنهان در یک پایگاه داده ی بزرگ تعریف کرد. داده کاوی به تحلیلگران برای پیدا کردن الگوها و روابط بین داده ها کمک می کند. یکی از مهمترین زمینه های داده کاوی کشف قوانین وابستگی یا Association Rules mining می باشد که هدف از آن یافتن قوانین الگوهای پنهان در بین حجم زیادی از داده ها است.همچنین چگونگی کاوش در بین داده هایی که حاوی اطلاعات زمانی هستند به عنوان یک مساله مهم در امر داده کاوی مطرح است. از آن جایی که بعضی از اقلام داده در کل پایگاه داده به وفور تکرار نمی شوند، در صورتی که در یک بازه زمانی دارای درج ه پشتیبانی بالایی هستند، Temporal Association Rules mining به کشف قوانین موجود در یک باز ه زمانی در پایگاه داده می پردازند. یکی از مسائل مهم در زمینه کاوش در داده های زمانی چگونگی تقسیم بندی داده ها به بازه های زمانی می باشد. در این مقاله با ارائه روشی که از الگوی تقویمی برای مشخص کردن بازه های زمانی استفاده می کند و ترکیب آن با روشی که از گراف رابطه بین اجزای پایگاه داده استفاده می کند به استخراج قوانین موجود در این بازه های زمانی پرداخته می شود.

کلیدواژه‌ها:

Temporal rules ,Association Rules ، Calendar based Association Rules, Support,Confidence

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI14-ACCSI14_079.html
کد COI مقاله: ACCSI14_079

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رضایت, پروانه؛ محمد قاسن زاده؛ مژگان شبان زاده و محمد حسن سرائی، ۱۳۸۷، روشی برای کشف قوانین وابستگی در پایگاه داده های زمانی با استفاده  از گراف رابطه و الگوی تقویمی، چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر، دانشگاه صنعتی امیر کبیر، https://www.civilica.com/Paper-ACCSI14-ACCSI14_079.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (رضایت, پروانه؛ محمد قاسن زاده؛ مژگان شبان زاده و محمد حسن سرائی، ۱۳۸۷)
برای بار دوم به بعد: (رضایت؛ قاسن زاده؛ شبان زاده و سرائی، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۰۴۸۸
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.