بررسی تعارض بین نرمال سازی و داده کاوی و ارائه روش های رفع آن
محل انتشار: دومین همایش ملی کامپیوتر
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,456
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCOS02_045
تاریخ نمایه سازی: 5 مهر 1393
چکیده مقاله:
پس از مروری اجمالی بر مفاهیم نرما لسازی و داده کاوی، تعارض جدی بین این دو مفهوم نشان داده شده است ، که با توجه به کاربرد وسیع نرمال سازی و اهمیت داده کاوی در دنیای امروز، نیازمند راه حل هایی است. تعارض مطرح شده که ناشی از طبیعت نرمال سازی است، باعث ایجاد نتایج نادرست در داده کاوی و تحلیل داده ها می شود. در ادامه برای رفع این تعارض، به بررسی denormalization عدم نرمال سازی ، NO - SQL و تغییر آرام ابعاد یا SCD عنوان راه حلی در این موضوع، پرداخته شده است. Denormalization به نوعی برگرداندن عمل نرمال سازی است و در آن الحاق کلیه جداول تقسیم شده دنبال می شود . این کار در داده کاوی و data warehouse نیز، انجام میشود. ولی راه حل کاملی برای تعارض مطرح شده نیست. عدم نرمال سازی مشکل را حل می کند. ولی مانع از بهره بردن از مزایای نرمال سازی م یشود و در مواردی خاص کاربردی است NO SQL، پایگاه داده جدید غیررابطه ای است که از ارزش- کلید جهت ذخیره و بازیابی عناصر در پایگاه داده استفاده م یکند. این پایگاه داده غیر رابط های، توزیع شده، مقیاس پذیر افقی و باز است و برای کاربردهای گسترده و توزیع شده کاربرد دارد. هم چنین این پایگاه دارای ویژگی های بدون شما بودن، پشتیبانی آسان از تکرار APIساده، داده های خیلی زیاد و در نهایت سازگار است. در روش SCD همگام با تغییر داده ها، سابقه ای از آنها نیز به طور محدود یا نامحدود و با تبعیت از قوانین مشخص، بسته به انواع SCD نگهداری میشود. این کار باعث می شود حتی با وجود نرمال سازی، داده کاوی صحیحی داشته باشیم
کلیدواژه ها:
نویسندگان
فاطمه شکرآرا
دانشکده برق و کامپیوتر، دانشگاه شهید بهشتی، تهران، ایران
حمزه ابراهیمی
دانشکده برق و کامپیوتر، دانشگاه شهید بهشتی، تهران، ایران
روح اله شکرآرا
دانشکده برق و کامپیوتر، دانشگاه آزاد نجف آباد، اصفهان، ایران
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 :