معماری طراحی و داده کاوی در وب Web Mining & Structure Mining
|
||||||||||||||
فهرست مطالب : پیشگفتار فصل اول:داده کاوی و وب مقدمه کاوش داده روی وب الگوهای Usage Mining Web Structure Mining درخواستها و جهت ها خلاصه
فصل دوم:پردازشهاوتکنیکهای Web Data Mining مقدمه چرا Web Data Mining مراحل Data Mining چالشها جنبه های واسط کاربر خروجیها و متدهاو تکنیکهای Web Data Mining پیاده سازیهای Web Data Mining Web Data Miningدر مقابل Web Data Mining خلاصه
فصل سوم: کاوش پایگاه داده های وب مقدمه مفهوم کلی جستجو پایگاه داده های وب توابع مدیریت پایگاه داد ه وب و داده کاوی اشتراک داده در مقابل داده کاوی در وب کاوش پایگاههای داده نیمه ساختیافته Meta data وWeb Mining کاوش پایگاه داده¬های توزیع شده، ناهمگن ، وراثتی و متحد در وب معماریها و web data mining خلاصه
فصل :۴بازیابی اطلاعات و داده کاوی در وب مقدمه موتورهای جستجوگر و Web Data Mining موتورهای جستجوگر Web Data Mining برای موتورهای جستجو پویش داده های چند گانه وب کاوش متن کاوش ویدئو سیستم سوال/جواب و داده کاوی وب زبانهایMark up و داده کاوی وب خلاصه
فصل ۵:مدیریت اطلاعات و داده کاوی وب مقدمه Collaborative- Data mining داده کاوی وب و آموزش (Training) محاسبات بی سیم و داده کاوی وب جنبه های دیگر خلاصه
فصل ۶:کاوش الگوهای کاربردی و ساختار روی وب مقدمه خروجیها و تکنیکهای Web Usage Mining تحلیل web usage mining CRM و کاربردهای تجارت هوشمند کاوش ساختار روی وب خلاصه جمع بندی و نتیجه گیری مراجع چکیده : در عصر حاضر Web Mining محیط اینترنت جهانی را تبدیل به محیطی کاربردی تر کرده است.که کاربران میتوانند سریعتر و راحتتر اطلاعات مورد نیازشان را پیدا کنند که شامل :کشف و تحلیل داده ، مستندات وmulti media از محیط اینترنت جهانی میباشد.Web Mining از جزئیات سند ومحتویات سند و ساختار Hyper Link برای کمک به کاربر جهت مشاهده اطلاعات مورد نیازش استفاده میکند. کلمات کلیدی:داده کاوی-Web Data Mining-موتورهای جستجو-جستجو داده در وب-طراحی وب-معماری موتور جستجو-CRM-Web Structure
در این قسمت از تماس و تاثیرWeb data mining 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 تجربهها بود. 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 طبقه بندی به سه قسمت گسترش یافت که شامل Web content mining ، Web usage mining 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. Web usage mining 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. Web usage mining 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. ۱-۱ 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 web mining میپردازیم. یکی از راه حلهای ساده کامل کردن ابزار داده کاوی با خود داده است. این موضوع را توسط شکل شماره ۲ روشن تر میسازیم. 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. (شکل ۳) 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. (شکل ۴) 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 (شکل ۵) 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 شکل (۶) 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 استانداردها مثل XML غیر قابل کشف هست. هر چند در نهایت تکنولوژی های متعددی باید با هم کار کنند تا به صورت موثری باعث داده کاوی روی وب شوند. این شامل کاوش روی داده ی چند رسانهای، استخراج ابزارها برای پیش بینی تمایلات و فعالیتها روی وب همانند تکنولوژیهای برای مدیریت داده، انبار داده و تجسم آنهاست. ۱-۲ الگوهای USAGE MINING : جنبههایى دیگر کاوش روی وب، جمعآوری آمارهای گوناگون برپایه الگوهای مرسوم برای تعیین اینکه کدام صفحه وب احتمالا دستیابی شده است. جستجو دراین قسمت به وسیله گروههای گوناگون هدایت میشود. براساس الگوهای مرسوم کاربران مختلف، پیشگویی و تمایلات مربوط به صفحات وب احتمالی که کاربران خواستار جستجو درآن می باشند ساخته میشوند، براساس این اطلاعات راهنماییهایی به کاربر راجع به صفحات وبی که درحال جستجو است داده شود.( شکل ۷)
همچنین استخراج فقط برای دادن اطلاعات انتخابی به کاربر میتواند استفاده شود. برای مثال اکثر ما روزانه با پیامهای ایمیل مواجه میشویم.بعضی از این پیامها مناس کار ما نیست .ابزارهایی میتوانند برای دورانداختن این پیامهای نامناسب به وجودآیند. این ابزارها میتواند، ابزارهای ساده filtering یا ابزارهای پیشرفته data mining باشد. به طور مشابهی، ابزارهای data mining همچنین برای نمایش آن صفحاتی از وب که برای کاربران جالب است میتوانند استفاده شوند. ۱-۳ Web Structure Mining: Web Structure mining اساسا در مورد استخراج لینکها روی وب است و وابستگی نزدیکی به Web usage mining دارد. برای مثال آگاهی دادن به کاربران در مورد browsing شامل هر دو (Web struct/usage mining) میشود. استخراج لینکها برای تعیین جایی که کاربر در آن است و صفحهای که کاربر میتواند به آن دسترسی داشته باشد نیاز است. Web Structure mining در موتورهای جستجوگر مثل گوگل استفاده میشود، برای مثال لینکها استخراج میشوند و سپس یکی از آنها میتواند تعیین کننده صفحۀ وبی باشد که به آن اشاره شده است. هنگامی که شما یک رشته کلمه را جستجو میکنید در ابتدا صفحات وبی با بیشترین مقدار لینک اشاره شده به آن رشته لیست میشود. Web Structure mining اساسا در مورد استخراج گرافها و کشف الگوهاست. و میتواند از تکنیک تجزیۀ لینکها برای کشف الگوها در گرافها استفاده کند. در این شکل دوایر صفحات لینک شده را نمایش میدهد. همچنین الگوهای به وجود آمده را در سمت راست میتوانیم ببینیم. الگو در بعضی جاها نمایان هست. در جهان واقعی گرافها ممکن است کاملا پیچیده باشند، بنابراین به استخراج الگوهای خلاصه نیاز داریم. در خواستها و جهت ها: یکی از کاربردهای عمده Web mining در تجارت الکترونیک است. شرکتها خواستار داشتن تحریکات رقابتی و راههای جستجوی زیادی برای داد و ستدهای موثر هستند. مشتریان میتوانند محصولاتی از قبیل: کتاب، لباس، اسباببازی را از طریق این سایتها سفارش دهند. هدف فراهم کردن بازاریابی است. برای مثال گروه A ممکن است رمانهای ادبی را برگزینند در حالی که گروه B رمانهای پلیسی را می پسندد. بنابراین رمانهای ادبی جدید باید برای گروه A در معرض فروش قرار بگیرند و رمانهای پلیسی جدید برای گروه B. چگونه سایتهای تجاری این سلیقهها و مزیتها را میدانند؟ جواب این سوال data mining است، الگوهای کاربردی باید استخراج شوند. بعلاوه سازمانها ممکن است پایگاه داده های عمومی یا خصوصی را برای بدست آوردن اطلاعات اضافی در مورد این کاربران کاوش کنند. شکل ۹ کاربردهای Web mining را در تجارت الکترونیک شرح میدهد، اساسا چیزی که از کاوش الگوهای کاربردی به دست میآیدگرد هم آمدن هوشمند و بهبود سایتها تجاری است. فایل کامل این تحقیق ۹۷ صفحه بصورت ورد WORD می باشد.
جهت سفارش لطفا اطلاعات زير را تکميل نماييد :
|
توجه مهم :
*دوست عزیز در صورت نداشتن رمز پویا یا قطع بودن درگاه بانکی ، لطفا نام پروژه درخواستی خود را جهت هماهنگی برای دریافت شماره کارت واریزی و دریافت لینک دانلود، به واتساپ پشتیبانی سایت ۰۹۳۹۲۷۶۱۶۳۰ ارسال کنید *(از ساعت ۸ الی ۲۳)
سایر مطالب مرتبط:
- مقاله داده کاوی در وب
- دانلود مقاله الگوریتم های مسیریابی در شبکه های کامپیوتری
- فناوری وایمکس (WiMAX)
- دانلود مقاله مرکز داده Data Center
- الگوریتم Pso و کابردهای آن
- دانلود مقاله مقایسه محاسبات ابری و محاسبات گرید
- سازماندهی وابسته به هستی شناسی پایگاه داده وب
- پروتکل UDP
- دانلود مقاله کامل شناخت و بررسی فناوری USSD
- نقش موبایل در شبکه بیسیم
دیدگاهتان را بنویسید