CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

شناسایی و ارزیابی کلید واژه های اثرگذار در حوزه مدیریت داده های عظیم 1با استفاده از الگوریتم های قواعد وابستگی و متن کاوی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۴۰۵ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: OICONFERENCE01_145
زبان مقاله: فارسی
حجم فایل: ۱.۰۳ مگابات (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۱ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شناسایی و ارزیابی کلید واژه های اثرگذار در حوزه مدیریت داده های عظیم 1با استفاده از الگوریتم های قواعد وابستگی و متن کاوی

  ایمان رئیسی وانانی - استادیار مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
  محمدتقی تقوی فرد - دانشیار مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
  سیدمحمدجعفر جلالی - دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
  ریحانه فروزنده جونقانی - کارشناس ارشد مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران

چکیده مقاله:

از داده عظیم بعنوان موضوعی جذاب در حوزه فناوری اطلاعات اخیرا یاد می شود. داده عظیم، واژه ای برای توصیف پایگاه داده هایی با حجم بسیار حجیم می باشد که روش های سنتی در پردازش پایگاه داده ها، قادر به تجریه و تحلیل آن ها نمی باشند.شناسایی موضوعات نوظهور در این حوزه و خوشه بندی این موضوعات، به پژوهشگرانی که قصد دارند وارد این حوزه جذاب شوند، کمک بسزایی می نماید. یکی از تکنیک هایی که به ما در نیل به رسیدن به اهدافمان کمک می نماید، استفاده از ابزار های متن کاوی و تجریه و تحلیل شبکه های اجتماعی می باشد. در این مطالعه، در ابتدا تمامی مقالات مرتبط با حوزه های دادهعظیم جمع آوری شدند و سپس بر روی کلمات کلیدی آنها، شبکه هم بستگی لغات تشکیل شد. بعد از این گام، خوشه های برتر شناسایی شدند و با اعمال تکنیک قواعد انجمنی، روابط بین کلید واژه ها شناسایی شد. در بخش نتیجه گیری، پیشنهاداتی در راستای تحقیقات آتی ارائه شده است

کلیدواژه‌ها:

داده های عظیم، تحلیل های پیشرفته کسب و کار، قواعد وابستگی، متن کاوی

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-OICONFERENCE01-OICONFERENCE01_145.html
کد COI مقاله: OICONFERENCE01_145

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:
رئیسی وانانی, ایمان؛ محمدتقی تقوی فرد؛ سیدمحمدجعفر جلالی و ریحانه فروزنده جونقانی، ۱۳۹۵، شناسایی و ارزیابی کلید واژه های اثرگذار در حوزه مدیریت داده های عظیم 1با استفاده از الگوریتم های قواعد وابستگی و متن کاوی، نخستین کنفرانس بین المللی پارادیم های نوین مدیریت هوشمندی تجاری و سازمانی، تهران، دانشگاه شهید بهشتی، https://www.civilica.com/Paper-OICONFERENCE01-OICONFERENCE01_145.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: (رئیسی وانانی, ایمان؛ محمدتقی تقوی فرد؛ سیدمحمدجعفر جلالی و ریحانه فروزنده جونقانی، ۱۳۹۵)
برای بار دوم به بعد: (رئیسی وانانی؛ تقوی فرد؛ جلالی و فروزنده جونقانی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • B. Wellman and S. _ Berkowitz (Eds). "Social Structures: A ...
  • First International Conference on Business and Organizational Intelligence ۲۰۱۶ نخستین ... (مقاله کنفرانسی)
  • Banshal, Sumit Kumar, Ashraf Uddin, and Vivek Kumar Singh. "Identifying ...
  • Fang, Yuqing. "Visualizing the structure and the evolving of digital ...
  • Halevi, G., & Moed, H. F. (2012). The evolution of ...
  • Hanneman, R. A., & Riddle, M. (2005). Introduction to social ...
  • _ Isasi, Gimenez, et al. "Big Data and Busines Analytics ...
  • Johnson, B. D. (2012). The Secret Life of Data. The ...
  • Khan, Gohar Feroz, and Jacob Wood. "Information technology management domain: ...
  • Murgado -Armenteros, Eva Maria, et al. "Analysing the conceptual evolution ...
  • Naur, P. (1974). Concise Survey of Computer Methods. Lund, Sweden: ...
  • Rousseau, R. (2012). A view On big data and its ...
  • Stimmel, Carol L. Big data analytics strategies for the smart ...
  • Surjandari, Isti, et al. "BIG DATA ANALYSIS OF INDONES IAN ...
  • SCHOLARS 'PUB LICATIONS : A RESEARCH THEME MAPPING. (2015): _ ...
  • Xian, Hanjun, and Krishna Madhavan. "Anatomy of Scholarly Collaboration in ...
  • First International Conference on Business and Organizational Intelligence ۲۰۱۶ نخستین ... (مقاله کنفرانسی)
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۸۹۰۹
    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

    مقالات مرتبط جدید

    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.