طراحی زبان سطح بالای FlexQL جهت داده کاوی

سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,029

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:

ICIKT01_004

تاریخ نمایه سازی: 24 اردیبهشت 1388

چکیده مقاله:

امروزه استفاده از بانک های داده بزرگ در مدیریت و رهبری سازمانها به ابزارهای کاملا متفاوت از ابزارهای بازیابی اطلاعات نیاز دارد. این ابزارها باید قادر باشند دانش باطنی و عمقی موجود در بانکهای داده را استخراج کرده، به نحو مطلوب نمایش دهند تا مدیران در سطوح مختلف سازمان خصوصا مدیریت کلان از آنها بهره برداری نمایند. داده کاوی امکان استخراج روابط معنائی و عمقی از بانکهای داده یا انبارهای داده، را فراهم می نماید. یکی از مهمترین ابزارها در تولید دانش، داده کاوها محسوب می گردند. در این راستا زبانهای داده کاوی مطرح می شوند، که کاربر نیاز خود را با استفاده از این زبانها مطرح کرده ، سیستم داده کاوی با تحلیل نیاز کاربر، فرایند داده کاوی را جهت تولید پاسخ به کاربر هدایت می کند. تاکنون تعداد اندکی زبان داده کاوی مطرح شده اند. در این مقاله زبان جدید داده کاویFlexQLمعرفی می گردد که علاوه بر فراهم نمودن امکان استفاده از روشهای مختلف داده کاوی، کاربر را قادر می سازد که پارامترهای متغیر این روشها را براساس ویژگی های محیط کاربرد تنظیم نماید. لازم به ذکر است که مقصود از طراحی این زبان ایجاد یک داده کاو نیست، بلکه هدف یکپارچه نمودن تکنیک های داده کاوی به منظور ایجاد زبانی با ویژگیهای منحصر به فرد می باشد.

کلیدواژه ها:

داده کاوی- انبار داده ها- زبان داده کاوی-تولید دانش-FlexQL

نویسندگان

محمدرضا کنگاوری

دانشگاه علم و صنعت ایران

شیرین میرعابدینی

دانشگاه علم و صنعت ایران

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 :
  • ش. میرعابدینی، طراحی یک زبان پرسشی سطح بالا جهت داده ...
  • D. Malerba, A. Appice, N. Vacca, SDMOQL: An OQL-based Data ...
  • R. Menke, Bear Test Analyzer: An experiment in Bayesian Classification ...
  • P. Berkhin, Survay of Clustering Data Mining Techniques, Accrue Software, ...
  • G. Karypis, J. Han, Tutorial on High Performance Date Mining. ...
  • G.A. Mihaila, WebSQL: An SQL-Like Query Language for the World ...
  • J. Han, O. Zaiane, DMQL: A Data Mining Query Language ...
  • J. Han, Y. Chiang, S. Chee, DBMiner: A System for ...
  • I. Andro utsopouls _ J. Koutsias, K. Chandrinos, G. Paliouras, ...
  • J. Han, M. Kamber, Data Mining: Concepts and Techniqeus, Chapter ...
  • W.H. Inmon, J.D. Welch, K.L. Glassey. Manging the Date Warelouse. ...
  • R. Rastogi, K. Shim, Public: A Decision Tree Classifier that ...
  • M. Kamber, L. Winstone, J. Han, Gene ralization and Decision ...
  • D. Pedreschi, Knowledge Discovery _ Data mining Classification _ Fraud ...
  • R. Menke, Bear Test Analyzer: An experiment in Bayesian Classification ...
  • A.Srivastave, E. Han, V. Kumar, Parallel Formulation of Decision- Tree ...
  • K. Alsabti, S. Ranka, V. Singh, An Efficient K-Means Clustering ...
  • نمایش کامل مراجع