فروشگاه

توضیحات

بازیابی داده ها

در این قسمت از تماس و تاثیرData retrieves روی تکنولوژی­های پشتیبانی صحبت خواهیم کرد.

در این فصل یک دید کلی از داده­کاوی فراهم می­سازیم و به توضیح کاربردها و ابزارهای آن می­پردازیم. توسط اطلاعات روی وب، امکان استخراج داده و دستیابی به اطلاعات برای کاربران بسیار آسان و مطلوب شده است.

عمل جستجو روی اینترنت را برای کاربران خیلی آسانتر خواهد ساخت.

بنابراین بهره­های زیادی در Webminnig وجود دارد، از جمله کاوش پایگاه داده­ها روی وب یا کاوش الگوهای مورد استفاده را می­توان نام برد تا اطلاعات مفید برای

کاربران تامین شوند .داده­کاوی و وب به عنوان تکنولوژی مستقل در اواسط ۱۹۹۰ توسعه یافت.

زمان زیادی از هنگامی که پژوهشگران به صورت جدی شروع به فکر کردن

در مورد Webminnig کردند نگذشته است. کارگاه Webminnig در جریان کنفرانس کشف دانش پایگاه داده در ۱۹۹۹ یکی از اولین تجربه­ ها بود

 

۸۵ صفحه فایل ورد (Word) فونت ۱۴ منابع دارد

 

پس از پرداخت آنلاین میتوانید فایل کامل این پروژه را دانلود کنید

انجام پروپوزال،مقاله و پایان نامه رشته کامپیوتر در کوتاهترین زمان با موضوعات خاص شما. منتظر تماس شما هستیم

 

 

 

فهرست

پیشگفتار……………………………………………………………………………………………………………………………………۱

فصل اول:داده کاوی و وب………………………………………………………………………………………………………..۳

مقدمه……………………………………………………………………………………………………………………………………………….۴

کاوش داده روی وب……………………………………………………………………………………………………………..۵

الگوهای Usage Mining…………………………………………………………………………………………………..7

……………………………………………………………………………………………..۸Web Structure Mining

درخواستها و جهت ها……………………………………………………………………………………………………………..۹

خلاصه………………………………………………………………………………………………………………………………….۱۰

………………………………………………………………………..۱۲Data retrieves فصل دوم:پردازشهاوتکنیکهای

مقدمه………………………………………………………………………………………………………………………………۱۲

پردازش Data retrieves………………………………………………………………………………………………..12

چرا Data retrieves؟……………………………………………………………………………………………………۱۵

مراحل Data retrieves………………………………………………………………………………………………….17

چالشها………………………………………………………………………………………………………………………………۲۰

جنبه های واسط کاربر………………………………………………………………………………………………………….۲۰

خروجیها و متدهاو تکنیکهای Data retrieves……………………………………………………………………..21

خروجیهای Data retrieves……………………………………………………………………………………………22

پیاده سازیهای Data retrieves…………………………………………………………………………………………25

Data retrievesدر مقابل Data retrieves……………………………………………………………………..27

خلاصه……………………………………………………………………………………………………………………………۲۸

فصل سوم: کاوش پایگاه داده های وب……………………………………………………………………………………۲۹

مقدمه…………………………………………………………………………………………………………………………………..۳۰

مفهوم کلی جستجو پایگاه داده های وب……………………………………………………………………………………..۳۰

توابع مدیریت پایگاه داد ه وب و داده کاوی………………………………………………………………………………………..۳۱

اشتراک داده در مقابل داده کاوی در وب…………………………………………………………………………………..۳۲

کاوش پایگاههای داده نیمه ساختیافته………………………………………………………………………………………..۳۳

Meta data وData retrieves ……………………………………………………………………………………35

کاوش پایگاه داده­های توزیع شده، ناهمگن ، وراثتی و متحد در وب…………………………………………………۳۷

معماریها و Data retrieves……………………………………………………………………………………………..40

خلاصه…………………………………………………………………………………………………………………………….۴۲

فصل :۴بازیابی اطلاعات و داده کاوی در وب………………………………………………………………………….۴۳

مقدمه………………………………………………………………………………………………………………………………..۴۴

موتورهای جستجوگر و Data retrieves………………………………………………………………………………46

Data retrieves برای موتورهای جستجو……………………………………………………………………………..۴۶

پویش داده های چند گانه وب……………………………………………………………………………………………………۴۸

کاوش متن……………………………………………………………………………………………………………………………۴۸

کاوش تصویر……………………………………………………………………………………………………………………۵۰

کاوش ویدئو……………………………………………………………………………………………………………………۵۲

کاوشAudio……………………………………………………………………………………………………………………53

کاوش نوع داده ی چند رسانه ای……………………………………………………………………………………………….۵۳

سیستم سوال/جواب و داده کاوی وب…………………………………………………………………………………….۵۴

زبانهایMark up  و داده کاوی وب……………………………………………………………………………………۵۵

خلاصه…………………………………………………………………………………………………………………………..۵۷

فصل ۵:مدیریت اطلاعات و داده کاوی وب……………………………………………………………………………..۵۸

مقدمه……………………………………………………………………………………………………………………………….۵۹

Collaborative- Data retrieves…………………………………………………………………………………….60

مدیریت دانشها و داده کاوی وب…………………………………………………………………………………………..۶۰

داده کاوی وب و آموزش ((Training………………………………………………………………………………….61

محاسبات  بی­سیم و داده کاوی وب……………………………………………………………………………………….۶۲

کیفیت  سرویس و داده کاوی وب…………………………………………………………………………………………..۶۳

جنبه­های دیگر………………………………………………………………………………………………………………………….۶۴

خلاصه………………………………………………………………………………………………………………………………۶۵

فصل ۶:کاوش الگوهای کاربردی و ساختار روی وب………………………………………………………………………….۶۷

مقدمه……………………………………………………………………………………………………………………………..۶۸

خروجیها و تکنیکهای Data retrieves…………………………………………………………………………….69

تحلیل Data retrieves………………………………………………………………………………………………71

خلاصه………………………………………………………………………………………………………………………..۸۰

  جمع بندی و نتیجه گیری………………………………………………………………………………………………………………۸۱

  مراجع…………………………………………………………………………………………………………………………………………۸

Stivastava و cooley یک طبقه بندی برای Webminnig تعیین کرده­اند آنها در ابتدا Webminnig را به دو قسمت تقسیم کردند:

۱- بدست آوردن الگوها از داده­های وب

۲- بدست آوردن ثبت وقایع وب

سپس طبقه­بندی به سه قسمت گسترش یافت که شامل Web content mining ، Data retrieves و Web structure mining می­باشد.

 Web content mining استخراج داده­ای است که شامل متن، ویدئو و … روی وب می­باشد. اساساWeb content mining زیر مجموعه داده کاوی می­باشد.

Data retrieves کاوش اطلاعات درباره دسترسی به صفحات وب و شامل تحلیل click stream می­شود.

Web structure mining در مورد کاوش URL ها و دیگر لینک­های وب برای دستیابی به ساختار آنهاست.

Data retrieves برای پشتیبانی E-commerce استفاده می­شود، اینجا دو جنبه وجود دارد: یکی استخراج اطلاعات درباره رقبا و دیگری کاوش اطلاعات مشتریان، الگوهای مورد استفاده و هدف بازاریابی.

 

کاوش داده روی وب :

 کاوش داده روی وب یک چالش اصلی در مواجه با مدیریت داده و همچنین مدیریت اطلاعات وب و Machine learning می­باشد.

داده ها و اطلاعات زیادی در وب وجود دارد ،که استخراج داده ی مفید و مناسب برای کاربران یک چالش واقعی است. هنگامی که کاربران در حال جستجو در وب هستند وب می­تواند کاملا رام باشد و کاربران داده ی مورد نیاز خود را خیلی زود به دست آورند.

سوال اینجاست که چگونه این داده به اطلاعات تبدیل می­شود؟ و آیا اطلاعاتی که کاربران بدست می­آورند همان چیزی است که آنها می­خواهند؟ به علاوه راه استخراج اطلاعات ناشناخته گذشته از داده در وب چیست؟ در این قسمت ما به توضیح انواع مختلف Data retrieves می­پردازیم.

یکی از راه حلهای ساده کامل کردن ابزار داده کاوی با خود داده است. این راه حل خوبی است مخصوصا اگر داده درون یک پایگاه داده رابطه­ای باشد. بنابراین یکی از احتیاجات استخراج داده از پایگاه­ داده­های رابطه­ای ،ابزارهای داده کاوی  می­باشد. این ابزارها باید واسط وب را توسعه دهند. برای مثال اگر یک interface رابطه­ای آماده شود، ابزارهای کاوش SQL-based می­توانند به پایگاه داده­های رابطه ای متصل شوند.

بازیابی داده ها

متاسفانه جهان وب خیلی صادق نیست.

بیشتر داده ها ساخت نیافته و نیمه مصنوعی هستند. داده های ویدیویی و تصویری زیادی وجود دارد در صورتی که یک interface رابطه­ای برای همه این پایگاه­ داده­ها ممکن است پیچیده باشد .سوال اینجاست که این چنین داده هایی چگونه ذخیره می­شوند؟ در اصل ما توجه خود را روی استخراج داده­های متنی، عکس ،صوت و تصویر متمرکز می­کنیم. یکی از نیازهای توسعه ابزار، اول کاوش داده­های چند رسانه­ای و سپس متمرکز شدن بر توسعه ابزارهای استخراج از قبیل داده روی وب هست. در شکل ۴ در این زمینه توضیح داده­ایم . جایی که پایگاه داده­های چند رسانه­ای ابتدا یکی شده و سپس کاوش شده­اند.

در بیشتر توضیحات قبلی بر روی یکی کردن ابزارهای داده کاوی با پایگاه داده­ها روی وب صحبت شد .در اغلب اوقات داده های روی وب درون پایگاه داده­ها قرار ندارند و بر روی server های متفاوتی موجودند. بنابراین تلاشُ بر سر سازمان دهی داده ها روی این server ها انجام میگیرد. تکنولوژی انبار داده ممکن است به سازمان دهی داده ها برای کاوش نیاز داشته باشد.

برای آسان شدن کاوش، کار اندکی در مرتب کردن تکنولوژی انبار داده  روی وب وجود دارد

مورد دیگری که باید توجه شود تجسمی از داده  روی وب است. بیشتر داده ها سازماندهی نشده­اند و درک آنها مشکل است. به علاوه درک عمل استخراج با تجسم کردن آسان­تر می­شود. بنابراین توسعه ابزار تجسمی مناسب برای وب، داده­کاوی را خیلی آسانتر خواهد کرد. این ابزار تجسمی می­تواند به فرایند کاوش کمک کند

اخیرا استانداردهای گوناگون به وسیله سازمانهای مانند ISO (سازمان استاندارد جهانی) W3C و OMG برای دستیابی داده های اینترنتی ایجاد شده­اند .این استانداردها شامل مدلها، زبانهای خاص و معماریهاست. یکی از آنها XML (Extensible markup language) برای نوشتن نوع Document .که اجازه می­دهد Document به وسیله اشخاصی که آن را دریافت می­کنند ترجمه شود. ارتباط بین Data minig و استان…………………………

کاوش ویدئو:

کاوش د ادۀ  ویدئو خیلی پیچیده­تر از کاوش تصاویر  است. چیزی  که باعث  در نظر گرفتن ویدئو به عنوان مجموعه­ای از تصاویر متحرک  می­شود انیمیشن است.

مدیریت  داده ویدئو، موضوع بیشتر پژوهش­ها بوده است. نواحی  مهم شامل: developing query،   تکنیک­های بازیابی  برای پایگاه داده­های ویدئو و استراتژی­های بهینه است. اولین سؤال این است که تفاوت بین بازیابی اطلاعات ویدئو و کاوش ویدئو چیست؟ بر خلاف کاوش متن و تصویر، نظر روشنی بر اینکه معنی کاوش ویدئو چیست نداریم. برای مثال  می­تواند کلیپ­های  ویدئو را امتحان کرده و روابط بین کلیپ­های  مختلف را پیدا کند. مثال دیگر  پیدا کردن  الگوهای  غیر معمول در کلیپ­های  ویدئو است. اما تفاوت آن با پیدا کردن الگوهای غیر معمول در تصاویر چیست؟

اولین قدم برای موفقیت در کاوش  ویدئو، داشتن دستگیره ی خوبی در کاوش تصاویر است. اجازه دهید تطابق  الگوها در پایگاه دادۀ ویدئو را امتحان کنیم. آیا باید تصاویر از پیش  تعریف شده­ای داشته باشیم و سپس این تصاویر را با داده ویدئویی تطبیق  دهیم؟  آیا راهی برای شناسایی الگوهای درون داده ویدئو ، به وسیلۀ مشخص کردن آنچه در جستجوی آن هستیم  ، وجود دارد؟ آیا استخراج برای داده ویدئو را نشان دهیم ؟ اگر این بازیابی اطلاعات ویدئو است پس کاوش آن چیست؟

 میتوان گفت پیدا کردن الگوها و ارتباطات ناشناخته قبلی ،از یک پایگاه داده ویدئویی بزرگ ،کاوش ویدئو نامیده میشود. با تجزیه و تحلیل یک کلیپ ویدئو، به نتایجی در مورد بعضی رفتارهای  غیر معمول می­رسیم.مشکل دیگر. گرفتن متن درون  فرمت ویدئو و ایجاد وابستگی­ها چیزی که با …………………………..text  ساخته می­شو………………..

بلافاصله بعد از پرداخت موفق لینک دانلود این پروژه فعال خواهد شد.

 

نقد وبررسی

نقد بررسی یافت نشد...

اولین نفر باشید که نقد و بررسی ارسال میکنید... “بازیابی داده ها”