تکنیک‌ها، ابزارها و روش‌های Web Data Mining وب کاوی

اختصاصی از فی توو تکنیک‌ها، ابزارها و روش‌های Web Data Mining وب کاوی دانلود با لینک مستقیم و پر سرعت .

پایان نامه  پروژه  

تکنیک‌ها، ابزارها و روش‌های Web Data Mining

فایل  ورد قایل ویرایش 

125صفحه  ورد word 

فقط  9000تومان 

چکیده

در عصر حاضرWeb Mining  محیط اینترنت جهانی را تبدیل به محیطی کاربردی‌تر 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 و محتویات سند و ساختار Hyper Link برای کمک به کاربر جهت مشاهده اطلاعات مورد نیازش استفاده می‌کند.

وب و موتورهای جستجو خودشان شامل اطلاعات ارتباطی درباره‌ی مستندات هستند وWeb Mining  این ارتباطات را کشف می‌کند و به سه بخش تقسیم بندی می‌نماید.

در اولین بخش Web Content Minin، موتورهای جستجو محتویات را با کلمات کلیدی تعریف می‌کنند و می‌شناسند. پیدا کردن کلمات کلیدی محتوا و پیدا کردن یک ارتباط بین محتوای صفحه‌ی وب و محتوای سوال کاربر، Content Mining گفته می‌شود.

Hyper Links اطلاعاتی را درباره‌ی سایر مستندات روی وب که در سند دیگری مهم هستند تهیه می‌کند. این لینک‌ها عمقی را به سند اضافه می‌کنند و حالت چند بعدی که از خصوصیات وب است ایجاد می‌کنند. کاوش این ساختار لینک دومین بخش یعنیWeb Structure Mining  است.

در نهایت ارتباطی با سایر مستندات روی وب که به وسیله‌ی جستجوی قبلی شناخته شده‌اند، وجود دارد. این ارتباط در صفحه‌های جستجو (log) و دستیابی ذخیره می‌شود. کاوش این Log ها سومین بخش یعنی Web Usage Mining را تشکیل می‌دهد.

درک کاربر اغلب یک بخش مهم از Web Mining است. تحلیل جستجوهای قبلی کاربر، شکلی که کاربر ترجیح می‌دهد اطلاعات پیدا شده را ببیند و سرعت در پاسخ ممکن است در پاسخ دادن به پرس و جوی کاربر موثر باشد.

Web Mining در ماهیت نظم خاصی دارد. پل زدن بین فیلدهایی مثل اطلاعات بازگشتی، پردازش زبان‌های طبیعی، استخراج اطلاعات، Machine Learning، پایگاه داده، داده کاوی، ذخیره‌ی داده، طراحی رابط کاربر و Visual کردن.

در این تحقیق ما به بررسی جنبه‌های مختلفWeb Data Mining  می‌پردازیم.

فهرست مطالب

فصل اول داده کاوی و وب 1

مقدمه. 2

1-1 کاوش داده روی وب... 3

1-2 الگوهای USAGE MINING.. 7

1-3 Web Structure Mining. 8

1-4 در خواست‌ها و جهت‌ها 10

1-5 خلاصه 11

فصل دوم پردازش‌ها و تکنیک‌های web data mining 12

 مقدمه 13

2-1 پردازش web data mining 13

2-2 چرا data mining web؟ 16

2-2-1 مراحل :Data mining 18

2-2-2 چالش‌ها 20

2-3 جنبه‌های واسط کاربر. 21

2-4 خروجی‌ها، متدها و تکنیک‌های web data mining   22

2-4-1 خروجی‌های data mining web 24

2-4-2 پیاده سازی‌های data mining web 27

2-5 data mining در مقابل data mining web   29

2-6 خلاصه 31

فصل سوم کاوش پایگاه داده‌های وب 32

مقدمه 33

3-1 مفهوم کلی جستجوی پایگاه داده‌های وب 33

3-2 توابع مدیریت پایگاه دادة وب و داده کاوی.. 34

3-3 اشتراک داده در مقابل داده کاوی در وب 36

3-4 کاوش پایگاه‌های دادة نیمه ساخت یافته 38

3-5 Web mining و Meta data 43

3-6 کاوش پایگاه داده‌های توزیع شده، ناهمگن، وراثتی و متحد در وب: 48

3-7 معماری‌ها و web data mining 58

3-8 خلاصه 61

فصل چهارم بازیابی اطلاعات و داده کاوی در وب 62

مقدمه 63

4-1 موتورهای جستجوگر. 63

4-2 web data mining برای موتورهای جستجو 65

4-3 پویش داده‌های چندگانه وب 68

4-4 کاوش متن 68

4-5 کاوش تصویر. 72

4-6 کاوش ویدئو 75

4-7 کاوشAudio 77

4-8 کاوش نوع داده‌ی چند رسانه‌ای 79

4-9 سیستم سوال/جواب و داده کاوی وب 82

4-10 زبانهایMark up و داده کاوی وب... 84

4-11 خلاصه 85

فصل پنجم مدیریت اطلاعات و داده کاوی وب... 86

مقدمه 87

5-1 Collaborative- Data mining: 87

5-2 مدیریت دانش‌ها و داده کاوی وب... 89

5-3 محاسبات بی‌سیم و داده کاوی وب... 91

5-4 کیفیت سرویس و داده کاوی وب... 93

5-5 خلاصه 95

فصل ششم کاوش الگوهای کاربردی و ساختار روی وب... 97

مقدمه 98

6-1 خروجی‌ها و تکنیک‌های web usage mining. 99

6-2 تحلیل web usage mining   101

6-3 CRM و کاربردهای تجارت هوشمند 103

6-4 کاوش ساختار روی وب 109

نتیجه گیری.. 111

مراجع 114

فهرست اشکال

فصل اول

شکل 1-1 طبقه بندی Web mining 3

شکل 1-2 : داده کاوی در وب 4

شکل 1-3 Web mining روی پایگاه داده‌ی رابطه‌ای 5

شکل 1-4 : داده کاوی چند رسانه‌ای 5

شکل 1-5 : انبار داده و کاوش در اینترنت... 6

شکل 1-6 : داده کاوی و visualization در اینترنت 7

شکل 1-7 : تحلیل الگوهای بکار رفته و پیش بینی رفتارها 8

شکل 1-8 : کاوش الگو 9

شکل 1-9 : وب کاوی در E-Commerce 10

شکل 1-10: وب کاوی برای موتورهای جستجو. 11

فصل دوم

شکل 2-1: برخی نواحی کاربرد data mining. 16

شکل 2-2: چرا data mining web؟ 17

شکل 2-3: مراحل جستجو. 19

شکل 2-4: پردازش روی نتایج.. 20

شکل 2-5 : برخی چالش‌های Data mining 21

شکل 2-6: مثالی از یک واسط کاربر برای جستجو. 22

شکل 2-7 : وظایف، تکنیک‌ها و روش‌های data mining. 24

شکل 2-8 : خروجی‌های data mining. 26

 شکل 2-9 : برخی پیاده سازی‌های data mining web 28

 شکل 2-10: تکنیک‌های web mining برای E- commerce 30

فصل سوم

شکل 3-1 : جستجو در پایگاه داده‌ها در وب 33

شکل 3-2: مکانیابی و وساطت برای کاوش در پایگاه دادة روی وب. 34

شکل 3-3: داده کاوی شیئی رابطه‌ای.. 35

شکل 3-4: توابع پایگاه داده وب و کاوش.... 36

شکل 3-5 : داده کاوی متحد شده : پیاده سازی I 37

شکل 3-6 : داده کاوی متحد شده: پیاده سازی II 37

شکل 3-7 : اتصال قوی بین داده کاو و DBMS. 39

شکل 3-8 : اتصال ضعیف بین داده کاو و DBMS. 39

شکل 3-9 : استخراج ساختار و سپس کاوش.... 40

شکل 3-10 : کاوش و سپس ادغام. 40

شکل 3-11: داده کاو مشابه یک واسط در یک ارتباط ضعیف DBMS نیمه ساخت یافته. 41

شکل 3-12: مخزن داده بر پایة XML: پیاده سازی 1. 42

شکل 3-13 : مخزن داده بر پایة XML : پیاده سازی 2. 42

شکل 3-14 : کاوش مخازن وب... 43

شکل 3-15: متادیتای استفاده شده در داده کاوی........................................................................................ 44

شکل 3-16: کاوش متادیتا 44

شکل 3-17: انبار و کاوش.... 45

شکل 3-18: متادیتا برای کاوش چند رسانه‌ای.. 46

شکل 3-19: متادیتا برای web mining 46

شکل 3-20 : متادیتا یک انبار مرکزی برای کاوش 47

شکل 3-21: پردازش و کاوش توزیع شده 48

شکل 3-22 : ماژول‌هایی از DP برای داده کاوی 49

شکل 3-23: مثال داده کاوی توزیع شده 49

شکل 3-24: داده کاوی روی پایگاه داده توزیع شده 50

شکل 3-25: داده کاوی روی منابع دادة نا همگن.. 51

شکل 3-26: کاوش و سپس اجتماع 51

شکل 3-27: کاوش interoperating و مخزن 52

شکل 3-28: عامل‌های داده کاوی اجتماعی 53

شکل 3-29: همکاری میان عامل‌های کاوش 53

شکل 3-30: سیستم‌ها کاوش را روی پایگاه دادة اشتراکی انجام می‌دهند. 54

شکل 3-31: واسط برای مجتمع سازی.. 55

شکل 3-32: مهاجرت و سپس کاوش.... 56

شکل 3-33: کاوش پایگاه داده‌های وراثتی.. 56

شکل 3-34: استخراج الگو از پایگاه داده‌ها وراثتی.. 57

 شکل 3-35: معماری 5 مرحله‌ای برای داده کاوی متحد. 58

شکل 3-36: معماری سه ردیفه داده کاو 59

شکل 3-37: encaps lation ماژول‌های داده کاوی مثل اشیاء 59

شکل 3-38: push/ pull و داده کاوی (یک مثال) 60

شکل 3-39: داده کاوی، سرورهای داده و سرورهای کاربردی.. 60

فصل چهارم

شکل 4-1 : موتورهای جستجو و وب سرورها 64

شکل 4-2 : ماژول‌های موتورهای جستجو. 64

شکل 4-3 : اتصال قوی بین وب کاو و موتور جستجو. 67

شکل 4-4 : ارتباط ضعیف بین موتور جستجو و وب کاو 67

شکل 4-5 : تبدیل دادۀ نا ساخت یافته به دادۀ ساخت یافته برای کاوش.... 69

شکل 4-6 : تکمیل سیستم بازیابی اطلاعات 70

شکل 4-7 : کاوش مستقیم روی داده‌های غیر ساخت یافته. 70

شکل 4-8 : طبقه بندی کاوش متن.. 72

شکل 4-9 :کاوش تصویر. 73

شکل 4-10: طبقه‌بندی کاوش تصویر. 74

شکل 4-11 : کاوش متن استخراج شده از داده با فرمت ویدئو. 76

شکل 4-12 : کاوش مستقیم داده با فرمت ویدئو. 76

شکل 4-13 : طبقه بندی کاوش ویدئو. 77

شکل 4-14 : کاوش متن استخراج شده از داده با فرمت صدا 77

شکل 4-15 : کاوش مستقیم داده با فرمت صدا 78

شکل 4-16 : طبقه بندی کاوش صدا 79

شکل 4-17 : کاوش و سپس اجتماع 80

شکل 4-18 : اجتماع و سپس کاوش 81

شکل 4-19 : کاوش داده‌ی چند رسانه‌ای 82

شکل 4-20 : سیستم سوال/ جواب + موتور جستجو + وب کاو 84

 شکل 4-21 : ارتباط قوی بین پایگاه داده‌ی XML و داده / وب کاو 85

شکل 4-22 : ارتباط ضعیف بین پایگاه داده‌ی XML و داده / وب کاو 85

فصل پنجم

شکل 5-1 : همکاری بین عامل‌های کاوش 87

 شکل 5-2 : همکاری تیم‌ها در استفاده از پایگاه داده‌های مشترک برای کاوش 88

شکل 5-4 : مدیریت دانش و داده کاوی وب 90

شکل 5-5 : آموزش و داده کاوی وب 91

شکل 5-6 : مدیریت اطلاعات بی سیم و داده کاوی وب... 93

 شکل 5-7 : Qos  و داده کاوی وب 94

شکل 5-8 : اجتماع سرویس‌های وب و داده کاوی.. 95

فصل ششم

شکل 6-1 : تحلیل الگوهای کاربردی و روندهای پیش‌بینی 98

 شکل 6-2: خروجی‌ها و تکنیک‌های داده کاوی 101

شکل 6-3: انواع تحلیل.. 103

شکل 6-4 : web mining برای e-commerce. 108

شکل 6-5 : بازبینی web structure mining. 109

شکل 6-6: خروجی‌های web structure mining. 110

پایان نامه در مورد Data mining

اختصاصی از فی توو پایان نامه در مورد Data mining دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه46

فهرست مطالب

   داده کاوی (Data mining)    :                    

1- مرحله کاوش(Exploration)  :

مرحله 2- ساختن مدل و معتبر سازی (model

building and validation):

مرحلة3- مرحلهُ گسترش Deployment):( :

مفاهیم تعیین کننده در داده کاوی:

1-هم پیوندی (Bagging) :

2-طبقه بندی) Boosting  (  :

٤.خوشه بندی(clustering) :

٣.الگوهای ترتیبی :

       داده کاوی عبارت است از فرآیند خودکار کشف دانش و اطلاعات از پایگاه های داد ه ای.

این فرآیند تکنیک ها یی از هوش مصنوعی را بر روی مقادیر زیادی داده اعمال می کند تا روندها , الگوها و روابط مخفی را کشف کند. ابزار های داده کاوی برای کشف دانش یا اطلاعات از داده ها به کاربراتکا نمی کنند، بلکه فرآیند پیشگویی واقعیت ها را خود کار می سازند. این تکنولوژی نوظهور، اخیرًا به طورفزایند های در تحلیل ها مورد استفاده قرار می گیرد.

    کلمات کلیدی :

          Data mining, Predictive data mining, Exploration data analysis,

         Data warehousing, Olap, neural network, Deployment , machine

         Learning, Meta-learning, Bagging , Boosting , clustering , Eda

         Drill-down analysis, Stacket generalization , classification       

مقدمه :

          امروزه با حجم عظیمی از داده ها روبرو هستیم. برای استفاده از آنها به ابزارهای کشف دانش نیاز داریم. داده کاوی به عنوان یک توانایی پیشرفته در تحلیل داده و کشف دانش مورد استفاده قرار می گیرد. داده کاوی در علوم (ستاره شناسی،...)‌در تجارت (تبلیغات، مدیریت ارتباط با مشتری،...) در وب (موتورهای جستجو،...) در مسایل دولتی (فعالیتهای ضد تروریستی،...) کاربرد دارد.  عبارت داده کاوی شباهت به استخراج زغال سنگ و طلا دارد. داده کاوی نیز اطلاعات را که در انبارهای داده مدفون شده است، استخراج می کند.

در واقع هـــــدف از داده کاوی ایجاد مدل هایی برای تصمیم گیری است. این مدلها رفتارهای آینده را براساس تحلیلهای گذشته پیش بینی می کنند. به کاربردن داده کاوی به عنوان اهرمی برای آماده سازی داده ها و تکمیل قابلیتهای انباره داده ، بهترین موقعیت را برای به دست آوردن برتریهای رقابتی ایجاد می کند.

پروژه Data Mining

اختصاصی از فی توو پروژه Data Mining دانلود با لینک مستقیم و پر سرعت .

پروژه Data Mining
چکیده:
در دو دهه قبل توانایی¬های فنی بشر برای تولید و جمع¬آوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب¬و¬کار، علوم، خدمات¬ دولتی و پیشرفت در وسائل جمع¬آوری داده، از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهواره¬ای، در این تغییرات نقش مهمی دارند.
    بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی¬های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده¬کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی داده¬کاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی می¬کنند، که این دانش به صورت ضمنی در پایگاه داده¬های عظیم، انباره¬داده  و دیگر مخازن بزرگ اطلاعات، ذخیره شده است.
        به لحاظ اینکه در چند سال اخیر مبحث داده¬کاوی و اکتشاف دانش موضوع بسیاری از مقالات و کنفرانسها قرار گرفته و نرم¬افزار¬های آن در بازار به شدت مورد توجه قرار گرفته، از اینرو در مقاله سعی بر آن شده تا گذری بر آن داشته باشیم.
و....

فهرست مطالب:

فصل1: مقدمه¬ای بر داده¬کاوی
1-1 تعریف داده¬کاوی
2-1 تاریخچه داده¬کاوی
3-1 چه چیزی سبب پیدایش داده¬کاوی شده است؟
4-1 اجزای سیستم داده کاوی
5-1 جایگاه داده¬کاوی در میان علوم مختلف
6-1 قابلیتهای داده¬کاوی
7-1 چرا به داده¬کاوی نیاز داریم؟
8-1 داده¬کاوی چه کارهایی نمی¬تواند انجام دهد؟
9-1 کاربردهای داده¬کاوی
1-9-1 کاربردهای پیش¬بینی¬کننده
2-9-1 کاربردهای توصیف¬کننده
10-1 ابزارهای تجاری داده¬کاوی
11-1 داده¬کاوی و انبار¬داده¬ها
1-11-1 تعاریف انبار¬داده
2-11-1 چهار خصوصیت اصلی انبار¬داده
3-11-1 موارد تفاوت انبار¬داده و پایگاه¬ داده
12-1 داده¬کاوی و OLAP
1-12-1 OLAP
2-12-1 انواع OLAP
13-1 مراحل فرایند کشف دانش از پایگاه داده¬ها
1-13-1 انبارش داده¬ها
2-13-1 انتخاب داده¬ها
3-13-1 پاکسازی- پیش¬پردازش- آماده¬سازی
4-13-1 تبدیل داده¬ها
5-13-1 کاوش در داده¬ها (Data Mining)
6-13-1 تفسیر نتیجه
فصل 2: قوانین ارتباطی
1-2 قوانین ارتباطی
2-2 اصول پایه
1-2-2 شرح مشکل جدی
2-2-2 پیمایش فضای جستجو
3-2-2 مشخص کردن درجه حمایت مجموعه
3-2 الگوریتمهای عمومی
1-3-2 دسته¬بندی
2-3-2 BFS و شمارش رویداد¬ها
3-3-2 BFS و دونیم¬سازی TID-list
4-3-2 DFS و شمارش رویداد
5-3-2 DFS و دو نیم¬سازی TID-list
4-2 الگوریتم Apriori
1-4-2 مفاهیم کلیدی
2-4-2 پیاده¬سازی الگوریتم Apriori
3-4-2 معایب Apriori و رفع آنها
5-2 الگوریتم رشد الگوی تکرارشونده
1-5-2 چرا رشد الگوی تکرار سریع است؟
6-2 مقایسه دو الگوریتم Apriori و FP-growth
7-2 تحلیلارتباطات
فصل 3: وب¬کاوی و متن¬کاوی
1-3 وبکاوی
1-1-3 الگوریتمهای هیتس و لاگسام
2-1-3 کاوش الگوهای پیمایش مسیر
2-3 متنکاوی
1-2-3 کاربردهای متن¬کاوی
1-1-2-3 جستجو و بازیابی
2-1-2-3 گروه¬بندی و طبقه¬بندی
3-1-2-3 خلاصه¬سازی
4-1-2-3 روابط میان مفاهیم
5-1-2-3 یافتن و تحلیل گرایشات
6-1-2-3 برچسب زدن نحوی (pos)
7-1-2-3 ایجاد Thesaurus و آنتولوژی به صورت اتوماتیک
2-2-3 فرایند متن¬کاوی
3-2-3 روشهای متن¬کاوی
مراجع:

..........................
ادامه مطلب در دانلود فایل قابل مشاهده است
...............................
نوع فایل: ((پی دی اف-pdf))

تعداد صفحات: 92 صفحه

حجم فایل: 2 مگابایت

قیمت: 3000 تومان
..............................
دانلود فایل ((ورد-word-doc-dox)) این پروژه
..............................

پروژه رشته کامپیوتر - داده کاوی Data Mining با فرمت ورد

اختصاصی از فی توو پروژه رشته کامپیوتر - داده کاوی Data Mining با فرمت ورد دانلود با لینک مستقیم و پر سرعت .

فهرست مطالب

عنوان                                                                                                                                                                صفحه

فهرست اشکال     ...............................................................................................................................................

10

فهرست جداول     ..............................................................................................................................................

11

فصل1: مقدمه­ای بر داده­کاوی ............................................................................

13

1-1 تعریف داده­کاوی     ...................................................................................................................................

15

2-1 تاریخچه داده­کاوی     ................................................................................................................................

16

3-1 چه چیزی سبب پیدایش داده­کاوی شده است؟     ........................................................................................

17

4-1 اجزای سیستم داده­کاوی     .........................................................................................................................

19

5-1 جایگاه داده­کاوی در میان علوم مختلف     ..................................................................................................

21

6-1 قابلیتهای داده­کاوی     .................................................................................................................................

22

7-1 چرا به داده­کاوی نیاز داریم؟     ...................................................................................................................

23

8-1 داده­کاوی چه کارهایی نمی­تواند انجام دهد؟     ..........................................................................................

25

9-1 کاربردهای داده­کاوی     .............................................................................................................................

25

1-9-1 کاربردهای پیش­بینی­کننده     ...................................................................................................

27

2-9-1 کاربردهای توصیف­کننده     ....................................................................................................

27

10-1 ابزارهای تجاری داده­کاوی     ...................................................................................................................

28

11-1 داده­کاوی و انبار­داده­ها   .........................................................................................................................

29

1-11-1 تعاریف انبار­داده     ................................................................................................................

29

2-11-1 چهار خصوصیت اصلی انبار­داده     .........................................................................................

30

3-11-1 موارد تفاوت انبار­داده و پایگاه­ داده     ....................................................................................

31

12-1 داده­کاوی و OLAP     ...........................................................................................................................

33

1-12-1 OLAP     ...........................................................................................................................

33

2-12-1 انواع OLAP     ...................................................................................................................

34

13-1 مراحل فرایند کشف دانش از پایگاه داده­ها     ...........................................................................................

34

1-13-1 انبارش داده­ها     ....................................................................................................................

35

2-13-1 انتخاب داده­ها     ....................................................................................................................

36

3-13-1 پاکسازی- پیش­پردازش- آماده­سازی     ................................................................................

36

4-13-1 تبدیل داده­ها   ......................................................................................................................

36

5-13-1 کاوش در داده­ها (Data Mining)     .................................................................................

37

6-13-1 تفسیر نتیجه   ........................................................................................................................

38

فصل 2: قوانین ارتباطی   ...........................................................................

39

1-2 قوانین ارتباطی   ........................................................................................................................................

40

2-2 اصول پایه     ...............................................................................................................................................

41

1-2-2 شرح مشکل جدی     ...............................................................................................................

41

2-2-2 پیمایش فضای جستجو     .........................................................................................................

43

3-2-2 مشخص کردن درجه حمایت مجموعه اقلام     .........................................................................

45

3-2 الگوریتمهای عمومی     ..............................................................................................................................

45

1-3-2 دسته­بندی     ............................................................................................................................

45

2-3-2 BFS و شمارش رویداد­ها   ...................................................................................................

46

3-3-2 BFS و دونیم­سازی TID-list     ...........................................................................................

47

4-3-2 DFS و شمارش رویداد   ......................................................................................................

47

5-3-2 DFS و دو نیم­سازی TID-list ..........................................................................................

48

4-2 الگوریتم Apriori   ................................................................................................................................

48

1-4-2 مفاهیم کلیدی     .....................................................................................................................

48

2-4-2 پیاده­سازی الگوریتم Apriori     ............................................................................................

49

3-4-2 معایب Apriori و رفع آنها     .................................................................................................

54

5-2 الگوریتم رشد الگوی تکرارشونده     ..........................................................................................................

55

1-5-2 چرا رشد الگوی تکرار سریع است؟     .....................................................................................

58

6-2 مقایسه دو الگوریتم Apriori و FP-growth     ......................................................................................

59

7-2 تحلیل ارتباطات     ......................................................................................................................................

63

فصل 3: وب­کاوی و متن­کاوی   .................................................................

65

1-3 وب­کاوی     ...............................................................................................................................................

66

1-1-3 الگوریتمهای هیتس و لاگسام     ...............................................................................................

69

2-1-3 کاوش الگوهای پیمایش مسیر     ..............................................................................................

76

2-3 متن­کاوی     ...............................................................................................................................................

80

1-2-3 کاربردهای متن­کاوی     ...........................................................................................................

82

1-1-2-3 جستجو و بازیابی     ..............................................................................................

83

2-1-2-3 گروه­بندی و طبقه­بندی     ......................................................................................

83

3-1-2-3 خلاصه­سازی     ....................................................................................................

84

4-1-2-3 روابط میان مفاهیم     .............................................................................................

84

5-1-2-3 یافتن و تحلیل گرایشات     ....................................................................................

84

6-1-2-3 برچسب زدن نحوی (pos)     ...............................................................................

85

7-1-2-3 ایجاد Thesaurus و آنتولوژی به صورت اتوماتیک     .........................................

85

2-2-3 فرایند متن­کاوی   ...................................................................................................................

86

3-2-3 روشهای متن­کاوی     ...............................................................................................................

87

مراجع   .....................................................................................................

89

بازاریابی هوشمند اینترنتی با استفاده از وب کاوی ( Web Mining )

اختصاصی از فی توو بازاریابی هوشمند اینترنتی با استفاده از وب کاوی ( Web Mining ) دانلود با لینک مستقیم و پر سرعت .

مقاله با عنوان بازاریابی هوشمند اینترنتی با استفاده از وب کاوی ( Web Mining ) که در اولین کنفرانس بین المللی مدیریت، نوآوری و کارآفرینی ارائه شده آماده دانلود می باشد.

محل برگزاری: شیراز

سال برگزاری:1389

تعداد صفحه:21

محتویات فایل: فایل زیپ حاوی یک pdf

نویسند‌گان:
کرشنا زمانی - نویسنده مسئول: دانشجوی کارشناسی ارشد فناوری اطلاعات - تجارت الکترونیک- دانشگاه شیراز
حمیدرضا مومنی - دانشجوی کارشناسی ارشد مهندسی کامپیوتر- هوش مصنوعی- دانشگاه شیراز
رضا اکبریان  - عضو هیئت علمی دانشگاه شیراز

چکیده

امروزه با گسترش روز افزون استفاده از اینترنت ، بازاریابی سنتی به واسطه ظرفیتهای فنی جدید و کانالهای فروش دیجیتالی دچار تحول شده است. بازاریابی اینترنتی انطباق و توسعه استراتژی های بازاریابی در محیط وب است و شامل همه عوامل موثر بربهره وری وب سایتها مانند ایده، محتوا، ساختار، روابط، اجرا، نگهداری، ارتقاء و تبلیغات می باشد. به واسطه ماهیت فضای سایبری اینترنت و عدم مراجعه فیزیکی مشتریان، تامین نیازها و بالا بردن کیفیت خدمات ارائه شده مستلزم داشتن دانش دقیق از اولویت های مورد نظر مشتریانی است که عموماً در بسیاری از موارد علاقه ای به پرس و جوهای طولانی و پرکردن فرمها ندارند. بنابراین مالکان سایت های فروش الکترونیکی مجبور هستند تا تمایلات و ترجیحات مشتریان را از فعل و انفعالات و اطلاعات ناشی از فرآیند فروش، جمع آوری نمایند و لذا اهمیت زیادی دارد که بدانند مشتریانشان به چه صورت از وب سایتهایشان استفاده می کنند. بنابراین آنها نیازمند دریافت بازخورد از آنها هستند زیرا که تداوم کسب و کار خود را در گرو تامین نیازهای مشتریان می بینند. بدیهی است استنتاج نتایج مفید، مستلزم تجزیه و تحلیل عمیق داده ها است. استفاده از تکنیک های وب کاوی می تواند مزیت موثری جهت طراحی بهینه ساختار وب سایت های فروش و در نتیجه افرایش جذب مشتریان بالقوه و نگهداری مشتریان بالفعل باشد. در این مقاله در حوزه web usage mining با استفاده از تکنیک های خوشه بندی و درخت های تصمیم در داده کاوی، سیستمی ارائه شده است که از اطلاعات ورودی کاربران (data entry user) ، اطلاعات وقایع سرور(server and cookie logs) و اطلاعات فروش(marketing and selling data)، به عنوان داده های ورودی جهت استخراج دانش استفاده کرده و به کمک نتایج حاصل از این آنالیز، الگویی منطقی برای طراحی بهینه ساختار وب سایت های فروش اینترنتی (site organization) ارائه می نماید. این الگو می تواند برای طراحان وب که در نظر دارند ساختار سایت و صفحات آن، مبتنی بر اصول صحیح بازاریابی باشد مورد استفاده قرار گیرد.