پروژه وب کاوی (Web Data Mining)

پروژه وب کاوی (Web Data Mining)


مقدمه:
با توسعه سیستم های اطلاعاتی، داده به یکی از منابع پراهمیت سازمان ها مبدل گشته است. بنابراین روش ها و تکنیک هایی برای دستیابی کارا به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از این اطلاعات، مورد نیاز می باشد. با ایجاد و گسترش وب و افزایش چشمگیر حجم اطلاعات، نیاز به این روش ها و تکنیک ها بیش از پیش احساس می شود. وب، محیطی وسیع، متنوع و پویا است که کاربران متعدد اسناد خود را در آن منتشر می کنند. در حال حاضر بیش از دو بیلیون صفحه در وب موجود است و این تعداد با نرخ 7.3 میلیون صفحه در روز افزایش می یابد. با توجه به حجم وسیع اطلاعات در وب، مدیریت آن با ابزارهای سنتی تقریبا غیر ممکن است و ابزارها و روش هایی نو برای مدیریت آن مورد نیاز است. به طور کلی کاربران وب در استفاده از آن با مشکلات زیر روبرو هستند: ...

فهرست مطالب:
1- مقدمه       
داده کا وی و visualization در اینترنت
وب کا وی در E-commerce
2- وب کاوی و زمینه های مرتبط
2-1- وب کاوی و داده کاوی
2-2- وب کاوی و بازیابی اطلاعات
2-3- وب کاوی و استخراج اطلاعات
2-4- وب کاوی و یادگیری ماشین
3- تکنیکهای  وب کاوی
4- انواع وب کاوی
5- چالش های وب کاوی
6- مراحل وب کاوی
6-1- مرا حل  جستجو
6-2- پرد ا زش  روی  نتا یج
6-3- جنبه های  وا سط  کا ر بر
6-4- خروجیهای  Web Data Mining
6-5- پیاده سازیهای Web Data Minig
7- کاوش پایگاه داده های وب
7-1 جستجو در پایگاه داده ها در وب
7-2 داده کاوی شیئی- رابطهای
7-3 اشتراک داده در مقابل داده کاوی در وب
7-4 کاوش پایگاههای دادة نیمه ساخت یافته
7-5 کاوش و سپس ادغام
8-کاوش محتوا در وب
8-1- انواع کاوش محتوا در وب
8-1-1- طبقه بندی
8-1-2- خوشه بندی
8-1-3 سایر انواع کاوش محتوا در وب
8-2- رویکردهای کاوش محتوا در وب
8-3 الگوریتم های کاوش محتوا در وب
8-3-1 درخت تصمیم
 8-3-2 شبکه عصبی
8-3-3 سایر الگوریتم های کاوش
9- کاوش ساختار وب
9-1- مدل های بازنمایی ساختار وب
9-1-1- مدل های مبتنی بر گراف
9-1-2- مدل های مارکو
9-2- الگوریتم های کاوش ساختار وب
9-2-1- HITS
9-2-2- Page Rank
9-2-3- الگوریتم جریان بیشینه
9-2-4- Average Clicks
9-3- کاربردهای کاوش ساختار وب
9-3-1- تشخیص اجتماعات وب
9-3-2- پیمایش وب
10- کاوش استفاده از وب
10 -1- انواع داده های استفاده از وب
10 -1-1- داده های سرورهای وب
10-1-2- داده های سرورهای پراکسی
10-1-3- داده های کلاینت
10-2- پیش پردازش داده های استفاده از وب
10-2-1- پاکسازی داده
10-2-2- تشخیص و بازسازی نشست
10-2-3- بازیابی ساختار و محتوا
10-2-4- قالب بندی داده
10-3- روش های کاوش استفاده از وب
10-3-1- قوانین انجمنی
10-3-2- الگوهای ترتیبی
10-3-3- خوشه بندی
10-4- کاربردهای کاوش استفاده از وب
10-4-1- خصوصی سازی محتوای وب
10-4-2- پیش بازیابی
10-4-3- بهبود طراحی سایت های وب
11- بازیابی اطلاعات و داده کاوی در وب
11-1- موتورهای جستجوگر  
11-2 ماژولهای موتورهای جستجو
1-3- کاوش وب  برای موتورهای جستجو 
11-4 پویش داده های چند گانه وب
11-5- کاوش متن 
11-6- کاوش مستقیم روی داده های غیرساخت یافته   
11-7- کاوش تصویر
11-8- کاوش ویدئو
Audio 11-9-کاوش
11-10- کاوش مستقیم داده با فرمت صدا
12- کاربردهای وب کاوی
12-1- تجارت الکترونیکی
12-2- موتورهای جستجو
12-3- حراجی در وب
13- نتیجه گیری
14- فهرست منابع

تعداد مشاهده: 1448 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 66

حجم فایل:195 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب برای دانشجویان مهندسی کامپیوتر و فناوری اطلاعات


  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    فایل همراه با شکل، نمودار و منابع

بررسی فرآیند داده کاوی و استفاده از الگوریتم های ترکیبی برای کاوش

بررسی فرآیند داده کاوی و استفاده از الگوریتم های ترکیبی برای کاوش


چکیده:
رشد فزاینده پایگاه داده ها در تقریبا هر ناحیه از فعالیت انسان باعث شده است که نیاز برای ابزارهای قدرتمند جدید برای تغییر دادن داده به دانش مفید افزایش یابد. برای برآوردن این نیاز محققان در ناحیه های مختلف مانند یادگیری ماشین، شناسایی الگو، آنالیز داده آماری، بصری سازی داده ، شبکه های عصبی، اقتصاد سنجی، بازیابی اطلاعات، استخراج اطلاعات و..... روش ها و ایده هایی را کاوش کرده اند. ذات غیرساخت یافته ی این متون، اعمال همان روشهایی را که ما در مورد پایگاه داده های غیرمتنی بکار می بریم، غیر ممکن می سازد. بنابراین روش ها و الگوریتم های پردازش (پیش پردازش)خاصی برای استخراج الگوهای مفید موردنیاز است. متن کاوی اطلاعات متنی غیرساختیافته را استفاده می کند و آنرا برای کشف ساختار و معناهای ضمنی پنهان در متن بررسی می کند. در این مقاله ما به بررسی یکی از جدیدترین زمینه های مورد تحقیق در داده کاوی، متن کاوی می پردازیم. در این مقاله روش های موجود برای پیش پردازش کردن، رده بندی، استخراج اطلاعات ، روش های یافتن روابط شرح داده می شوند در پایان هر بخش ارزیابی و مقایسه ای روی روش های بیان شده در آن بخش صورات می گیرد و در پایان تعدادی از کاربردهای متن کاوی بیان می گردند.
کلید واژه: کاوش، یادگیری ماشین، بصری سازی، آنالیز داده، متن کاوی، الگوریتم های پردازش، شبکه های عصبی، استخراج اطلاعات، متن کاوی، رده بندی

فهرست مطالب:
چکیده     
1 مقدمه    
1.1 کشف دانش و ارتباط آن متن کاوی    
2.1 تعاریف متن کاوی    
3.1 ناحیه های سرچ مرتبط    
2 روش ها پیش پردازش کردن متون    
1.2 مدل فضای برداری    
2.2 پیش پردازش زبان شناختی    
3 روش های متن کاوی 
1.3 فازهای اصلی فرآیند کتن کاوی     
2.3 رده بندی 
1.2.3 انتخاب ترم ایندکس    
2.2.3 رده کننده Naïve Bayes    
3.2.3 رده بندی کننده نزدیکترین همسایه    
4.2.3 درخت تصمیم گیری    
5.2.3 متدهای هسته و SVM    
6.2.3 ارزیابی رده بندی کننده ها    
3.3  استخراج اطلاعات    
1.3.3 رده بندی برای استخراج اطلاعات    
2.3.3 مدل مارکوف پنهان    
3.3.3 فیلدهای رندم شرطی    
4.3.3 مقایسه روش های استخراج اطلاعات    
2.2 پیش پردازش زبان شناختی    
4.3 روش ها ترکیبی    
1.4.3 روش های dicsotex    
1.1.4.3 مقدمه    
2.1.4.3 یکپارچه کردن داده کاوی و استخراج اطلاعات    
3.1.4.3 سیستم dicsotex    
2.4.3روش textminer    
1.2.4.3 مقدمه    
2.2.4.3 استخراج اطلاعات    
3.2.4.3 الگوریتم خوشه بندی    
3.4.3 یافتن روابط    
4.4.3 مقایسه روش های ترکیبی    
4 کاربردهای متن کاوی    
5 نتیجه گیری و کارهای آینده    
6 مراجع    


تعداد مشاهده: 583 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 30

حجم فایل:443 کیلوبایت

 قیمت: 9,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب جهت استفاده دانشجویان رشته کامپیوتر و فناوری اطلاعات

  • محتوای فایل دانلودی:
    در قالب فایل word و قابل ویرایش
    همراه با شکل، نمودار و منابع