خوشه بندی بییندگان صدا و سیمای یزد به منظور بهبود زمان پخش برنامه ها با استفاده از تکنیک داده کاوی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 543

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:

شناسه ملی سند علمی:

COMPUTER02_058

تاریخ نمایه سازی: 2 تیر 1395

چکیده مقاله:

در بسیاری از کشورهای پیشرفته دنیا، کانال های تلویزیونی با تجزیه و تحلیل برنامه های دیده شده توسط بییندگانشان و بررسی رفتار آنها به افزایش ارزش بیننده دست یافته اند. ابزارها و فناوری های داده کاوی، یکی از روش هایی است که فرصت های جدیدی را برای مدیریت بینندگان این کانال ها فراهم خواهد کرد. با جمع آوری داده های رفتاری و دموگرافی بینندگان و تصمیم گیری بر اساس الگوهای استخراج شده از روابط پنهان میان داده های انبوه آنها با استفاده از ابزار داده کاوی، می توان به علایق بینندگان پی برد. یکی از راه های شناخت بینندگان، از طریق خوشه بندی آنها و شناخت ویژگی های هر خوشه است. در این پژوهش با استفاده از شاخص های ارزیابی SSE و دیویس- بولدین تعداد خوشه های بهینه بینندگان تعیین شد و بهترین الگوریتم را از بین الگوریتم های K-Means و ++K-Means را با شاخص SSE مشخص کردیم و در نهایت با کمک نظر خبرگان الگوریتم ++k-means انتخاب شد و خوشه بندی روی بینندگان انجام گرفت و الگوهای رفتاری و دموگرافی بینندگان کشف گردید. سپس نتایج حاصل مورد تجزیه و تحلیل قرار گرفت.

کلیدواژه ها:

خوشه بندی ، الگوریتم k-means ، الگوریتم ++K-Means بییندگان صدا و سیما ، داده کاوی

نویسندگان

ابوالفضل کمالی اردکانی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد الکترونیک، تهران- ارائه دهنده

کمال میرزایی

استادیار گروه کامپیوتر، دانشگاه آزاد اسلامی، میبد

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 :
  • علی مشکانی، عبدالرضا ناظمی؛ مدمهای بر داده کاوی؛ چاپ اول؛ ...
  • حسینی بامکان، سید مجتبی، پایان نامه کارشناسی ارشد، بکارگیری تکنیک ...
  • نایی، بهروز، نصیری، مهدی، حسنی، دانیال، شناسا، ابراهیم، آموزش گام ...
  • مینایی، بهروز، شیدانی، کیاوش، استفاده از داده کاوی برای تلیل ...
  • ضنفری مهدی، علیزاده سمیه4 تیمورپور بابک، داده کاوی و کشف ...
  • علی کیا امیری، سیده عطیه، پایان نامه کارشناسی ارشد، مدیریت ...
  • اسماعیلی، مهدی، مفاهیم و تکنیک های ده کاوی، انتشارات آتی ...
  • Two Crows Corporation, Introduction to Data Mining and Knowledge Discoverv.1999 ...
  • David Hand, Heikki Mannila, Padhraic Smyth. Prigciples cfDataMigigg. The MIT ...
  • p. Arthur and S. Vassilvitskii. k-means++: The advantages of careful ...
  • Lu, Duen-Ren and Shih, Ya-Yueh (2005) Integeration AH and data ...
  • Fayyad u., Piatetsky-Shapir G., and Smyth P., "From Data Mining ...
  • Berson.A, Smith.S _ and Thearling.K "Building Data Mining Applications for ...
  • chapman, .: Clinton, J.; Kerber, R.; Khabaza, T.; Reinart, T.; ...
  • Davies D.L Bouldin D.W ACluster separation measure IEEE Transaction on ...
  • Ngai, E.W.T., Xiu, Li and Chau, D.C.k. (2009), Application of ...
  • mining techniques in customer relationship management: A literature review and ...
  • Hu, Wang and Jing, Zhang (2008), Study of segmentation for ...
  • Han, jiawei and Micheline kamber. Data mining:concept and techniques. Morgan ...
  • Hossei, Seyed Mohammad Seyed, Anahita Malek, and Mohammad Reaza Gholamia. ...
  • Abdou, Hussein et al., "Neural nets versus conventional techniques in ...
  • wu, Hsin-Hung, Chang, En-Chi and Lo, Chiao-Fang (2009), Applying RFM ...
  • نمایش کامل مراجع