• بازدید : 50 views
  • بدون نظر

با افزايش چشمگير حجم اطلاعات و توسعه وب، نياز به روش ها و تکنيک هايي که بتوانند امکان دستيابي کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بيش از پيش احساس مي شود. وب کاوي يکي از زمينه هاي تحقيقاتي است که با به کارگيري تکنيک هاي داده کاوي به کشف و استخراج خودکار اطلاعات از اسناد و سرويس‌هاي وب مي پردازد.

 

چکيده

با افزايش چشمگير حجم اطلاعات و توسعه وب، نياز به روش ها و تکنيک هايي که بتوانند امکان دستيابي کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بيش از پيش احساس مي شود. وب کاوي يکي از زمينه هاي تحقيقاتي است که با به کارگيري تکنيک هاي داده کاوي به کشف و استخراج خودکار اطلاعات از اسناد و سرويس‌هاي وب مي پردازد. در واقع وب کاوي، فرآيند کشف اطلاعات و دانش ناشناخته و مفيد از داده هاي وب مي باشد. روش هاي وب کاوي بر اساس آن که چه نوع داده اي را مورد کاوش قرار مي دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسيم می شوند.  طي اين گزارش پس از معرفی وب کاوي و بررسی مراحل آن، ارتباط وب کاوي با ساير زمينه هاي تحقيقاتي بررسي شده و به چالش ها، مشکلات و کاربردهای اين زمينه تحقيقاتي اشاره مي شود. همچنين هر يک از انواع وب کاوي به تفصيل مورد بررسي قرار مي گيرند که در این پروژه بیشتر به وب کاوی در صنعت می پردازم. براي اين منظور مدل ها، الگوريتم ها و کاربردهاي هر طبقه معرفي مي شوند.




فهرست مطالب


عنوان                                                                                                                شماره صفحه


فصل اول:مقدمه


مقدمه ۱


فصل دوم:داده کاوی


۲- ۱ مقدمه ای بر داده کاوی ۶


۲-۱-۱ چه چيزی سبب پيدايش داده کاوی شده است؟ ۷


۲-۲ مراحل کشف دانش ۹


۲- ۳ جایگاه داده کاوی در میان علوم مختلف ۱۲


۲-۴ داده کاوی چه کارهایی نمی تواند انجام دهد؟ ۱۴


۲-۵ داده کاوی و انبار داده ها ۱۴


۲-۶ داده کاوی و OLAP 15


۲-۷ کاربرد یادگیری ماشین و آمار در داده کاوی ۱۶


۲-۸ توصیف داده ها در داده کاوی ۱۶


۲-۸-۱ خلاصه سازی و به تصویر در آوردن داده ها ۱۶


۲-۸-۲ خوشه بندی ۱۷


۲-۸-۳ تحلیل لینک ۱۸


۲-۹ مدل های پیش بینی داده ها ۱۸


۲-۹-۱ دسته بندی ۱۸


۲-۹-۲ رگرسیون ۱۸


۲-۹-۳ سری های زمانی ۱۹


۲-۱۰ مدل ها و الگوریتم های داده کاوی ۱۹


۲-۱۰-۱ شبکه های عصبی ۱۹


۲-۱۰-۲ درخت تصمیم ۲۲


۲-۱۰-۳ Multivariate Adaptive Regression Splines(MARS) 24


۲-۱۰-۴ Rule induction 25


۲-۱۰-۵ K-nearest neibour and memory-based reansoning(MBR) 25


۲-۱۰-۶ رگرسیون منطقی ۲۶


۲-۱۰-۷ تحلیل تفکیکی ۲۷


۲-۱۰-۸ مدل افزودنی کلی (GAM) 28


۲-۱۰-۹ Boosting 28


۲-۱۱ سلسله مراتب انتخابها ۲۸


۲-۱۲داده کاوی و مدیریت بهینه وب سایت ها ۳۰


۲-۱۳داده‌كاوي و مديريت دانش ۳۱


فصل سوم: وب کاوی


۳-۱ تعریف وب کاوی ۳۳


۳-۲ مراحل وب کاوي ۳۳


۳-۳ وب کاوي و زمينه هاي تحقيقاتي مرتبط ۳۴


۳-۳-۱ وب کاوي و داده کاوي ۳۴


۳-۳-۲ وب کاوي و بازيابي اطلاعات ۳۵


۳-۳-۳ وب کاوي و استخراج اطلاعات ۳۶


۳-۳-۴ وب کاوي و يادگيري ماشين ۳۷


۳-۴ انواع وب کاوي ۳۷


۳-۵ چالش هاي وب کاوي ۳۸


۳-۶مشكلات ومحدوديت هاي وب كاوي در سايت هاي فارسي زبان ۳۹


۳-۷ محتوا کاوی وب ۴۰


 


 


 


 


فصل چهارم: وب کاوی در صنعت


۴-۱ انواع وب کاوی در صنعت ۴۳


۴-۱-۱وب کاوی در صنعت نفت، گاز و پتروشیمی ۴۳


۴-۱-۱-۱ مهندسی مخازن/ اکتشاف ۴۳


۴-۱-۱-۲مهندسی بهره برداری ۴۴


۴-۱-۱- ۳مهندسی حفاری ۴۴


۴-۱-۱-۴بخشهای مدیریتی ۴۴


۴-۱-۲ کاربرد های دانش داده کاوی در صنعت بیمه ۴۵


۴-۱-۳کاربردهای دانش داده کاوی در مدیریت شهری ۴۶


۴-۱-۴کاربردهای داده کاوی در صنعت بانکداری ۴۷


۴-۱-۴-۱بخش بندی مشتریان ۴۷


۴-۲ پژوهش های کاربردی ۴۸


نتيجه گيري ۵۰


منابع و ماخذ فارسی ۵۱


مراجع و ماخذ لاتین و سایتهای اینترنتی ۵۲


 


 


 


 


 


 


 


 


 


 


 


 


 


 


 


  • بازدید : 59 views
  • بدون نظر

با افزايش چشمگير حجم اطلاعات و توسعه وب، نياز به روش ها و تکنيک هايي که بتوانند امکان دستيابي کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بيش از پيش احساس مي شود. وب کاوي يکي از زمينه هاي تحقيقاتي است که با به کارگيري تکنيک هاي داده کاوي به کشف و استخراج خودکار اطلاعات از اسناد و سرويس‌هاي وب مي پردازد.


عتیقه زیرخاکی گنج