ورود
مقالات فارسیISIکنفرانسهاژورنالها

ارائه روش ترکیبی تحلیل پایگاه داده های خبری با استفاده از RapidMine مطالعه موردی: متون خبری فارسی

محل انتشار: فصلنامه نوآوری های فناوری اطلاعات و ارتباطات کاربردی، دوره: 0، شماره: 2
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 318

فایل این مقاله در 10 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:
https://civilica.com/doc/1162805

شناسه ملی سند علمی:

JR_IAT-0-2_003

تاریخ نمایه سازی: 16 اسفند 1399

چکیده مقاله:

یکی از مهم ترین و پرکاربردترین رویکردها در مدیریت سامانه های تحت وب، استفاده از خبرگزاری های آنلاین و پایگاه داده های خبری هست.خبرگزاری های آنلاین و تحت وب به مانند قلب تپنده یک جامعه، جزء حیاتی ترین منابع اطلاعاتی یک جامعه به حساب می آیندد . اهمیدت ایدنموضوع در مورد اخبار سازمان های نظامی دوچندان خواهد بود؛ بنابراین، داشتن روشدی منحصدربه فدرد ، صدحی و مفهدومی جهدت تحلیدو ودسته بندی این منابع، می تواند مزایای متعددی فراهم نماید و به تصمیم گیران سازمان ها به ویژه سازمان های نظامی در انجام تصمیمات کمککند. در این پژوهش، در مرحله اول به بررسی و شناخت مفاهیم انواع روش های داده کاوی می پردازیم. در مرحله دوم انواع روش های پدردازشمتن، از منظرهای مختلف باید صورت گیرد تا بتوان راه کارهای مثبت و نقاط قوت انواع روش ها را شناسایی کرده و برای تحلیو پایگاه داده هایخبر بهترین روش را شناسایی کرد. در انتها پایگاه داده های خبر را مورد تحلیو قرار داده تا بتوان اطلاعدات پنهدان موجدود در ایدن داده هدا راکشف و مورداستفاده قرار داد.

کلیدواژه ها:

داده کاوی ، متن کاوی ، پایگاه داده های خبر

نویسندگان

سعید احمدیان

معاونت فاوا مرکز صدر / دانشگاه امام حسین/

کریم صابری

دانشگاه خواجه نصیرالدین طوسی

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 :
  • [1] U. Fayyad, G. Piatetsky-Shapiro, and P. Smyth, “From data ...
  • [2] J. Han and M. Kamber, “Data Mining,” Southeast Asia ...
  • [3] M. J. Berry and G. S. Linoff, “Data mining,” ...
  • [4] H. C. Koh and C. K. Low, “Going concern ...
  • [5] N. Aggarwal, A. Kumar, H. Khatter, and V. Aggarwal, ...
  • [6] D. T. Larose, “k‐Nearest Neighbor Algorithm,” Discovering Knowledge in ...
  • [7] M. S. Deshpande and D. V. Thakare, “Data mining ...
  • [8] Y. M. Chae, S. H. Ho, K. W. Cho, ...
  • [9] R. Alguliev and R. Aliguliyev, “Experimental investigating the F-Measure ...
  • [10] M. E. Califf and R. J. Mooney, “Bottom-up relational ...
  • [11] M. A. Hearst, “Untangling text data mining,” In Proceedings ...
  • [12] U. M. Fayyad, G. Piatetsky-Shapiro, and P. Smyth, “Knowledge ...
  • [13] V. Kumar and M. Joshi, What is datamining?, 2003. ...
  • [14] R. Feldman and I. Dagan, “Kdt – knowledge discovery ...
  • [15] G. Salton, A. Wong, and C. S. Yang, “A ...
  • [16] S. E. Robertson, “The probability ranking principle,” Journal of ...
  • [17] C. J. Van Rijsbergen, “A non-classical logic for information ...
  • [18] H. Zhuge et al., “An Automatic Semantic Relationships Discovery ...
  • [19] T. Joachims, “Text categorization with support vector machines: Learning ...
  • [20] S. Dumais, J. Platt, D. Heckerman, and M. Sahami, ...
  • [21] K. Nigam, A. McCallum, S. Thrun, and T. Mitchell, ...
  • [22] F. Sebastiani, “Machine learning in automated text categorization,” ACM ...
  • [23] N. Kanya and S. Geetha, “Information Extraction,” A Text ...
  • [24] H. Karanikas, C. Tjortjis, and B. theodoulidis, “An approach ...
  • [25] M. Rajman, “Text Mining, Knowledge extraction from unstructured texual ...
    • نمایش کامل مراجع