داده کاوی در داده های بزرگ

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,383

فایل این مقاله در 16 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:

PNUOPEN01_022

تاریخ نمایه سازی: 14 مرداد 1394

چکیده مقاله:

تکنولوژی big data در حال بررسی داده های حجیم، پیچیده و درحال رشد است که از منابع مستقل و پراکنده تولید می گردند. با توسعه ی سریع شبکه ها، رسانه های ذخیره سازی و افزایش گنجایش مجموعه های داده ای، big data در تمام حوزه های علم و فناوری از جمله علوم فیزیکی، زیستی و پزشکی به سرعت درحال رشد و گسترش است. این مقاله به معرفی نظریه ی HACE می پردازد. این نظریه ویژگی های تکنولوژی big data را مشخص می کند و از چشم انداز داده کاوی یک مدل پردازشی برای big data پیشنهاد می کند. کاربا داده های بزرگ شامل جمع آوری داده ها از منابع اطلاعاتی، کاویدن و تحلیل آنها، مدل کردن آنها بر اساس ویژگی های مورد نظر و فراهم کردن تمهیدات امنیتی داده ها است. در این مقاله پالش های کار با داده های بزرگ و به طور کلی انقلاب big data را بررسی می کنیم.

کلیدواژه ها:

داده های بزرگ ، داده کاویف ناهمگونی ، منابع مستقل ، انجمن های پیچیده و در حال تحول

نویسندگان

محبوبه برومند زاده

دانشجوی کارشناسی ارشد دانشگاه امیرکبیر تهران

الناز رفاهی

دانشجوی کارشناسی ارشد دانشگاه پیام نور شمیرانات

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 :
  • M.H. Alam, J.W. Ha, and S.K. Lee, "Novel Approaches to ...
  • A. Machanavajj hala and J.P. Reiter, "Big Privacy: Protecting Confidentiality ...
  • S. Banerjee and N. Agarwal, "Analyzing Collective Behavior from Blogs ...
  • _ _ for Big-Data ...
  • J. Bollen, H. Mao, and X. Zeng, "Twitter Mood Predicts ...
  • S. Borgatti, A. Mehra, D. Brass, and G. Labianca, "Network ...
  • Analysis in the Social Sciences, " Science, vol. 323, pp. ...
  • D. Centola, "The Spread of Behavior in _ Online Social ...
  • ia, _ _ ن _ _ (MM 09, ) pp. ...
  • R. Chen, K. Sivakumar, and H. Kargupta, "Collective Mining of ...
  • Y.-C. Chen, W.-C. Peng, and S.-Y. Lee, "Efficient Algorithms for ...
  • P. Dewdney, P. Hall, R. Schilizzi, and J. Lazio, "The ...
  • _ _ Science, vol. 317, pp. 1178-1179, 2007. ...
  • Large-Scale Machine Learning: Parallelism and Massive Data Sets Workshop (NIPS ...
  • _ _ _ _ istributed [23] M. Helft, "Google Uses ...
  • D. Howe et al., "Big Data: The Future of Biocuration, ...
  • _ _ Data Deserve a Bigger ...
  • "IBM What Is Big Data: Bring Big Data to the ...
  • A. Jacobs, "The Pathologies of Big Data, " Comm. ACM, ...
  • I. Kopanas, N. Avouris, and S. Daskalaki, "The Role of ...
  • I.P. Vlahavas, C.D. Spyropoulos, eds., pp. 288-299, 2002. ...
  • _ _ _ Data Mining, " vol. 33, no. 1, ...
  • J. Lorch, B. Parno, J. Mickens, M. Raykova, and J. ...
  • T. Mitchell, "Mining our Reality, " Science, vol. 326, pp. ...
  • _ _ Required, " Nature, End Mining, " Proc. IEEE ...
  • Computer Architecture (HPCA 07), pp. 13-24, 2007. ...
  • _ _ Mining of Massie Data Sets. _ _ _ ...
  • _ _ _ for Information Systems, vol. 32, no. I, ...
  • "Twitter Blog, Dispatch from the Denver Debate, http:// blog. twitter.com/20 ...
  • D. Wegener, M. Mock, D. Adranale, and S. Wrobel, "Toolkit-Based ...
  • Clusters, " Proc. Int'I Conf. Data Mining Workshops (ICDMW O9), ...
  • C. Wang, S.S.M. Chow, Q. Wang, K. Ren, and W. ...
  • vol. 15, no. 2, pp. 353-367, Mar./Apr. 2003. ...
  • _ _ _ _ 43, pp. 82-94, 2013. ...
  • _ _ _ pp. 1607- 1621, Dec. 2010. ...
  • نمایش کامل مراجع