پروژه وب کاوی و کاربرد آن در صنعت
پروژه وب کاوی و کاربرد آن در صنعت پژوهشی کامل برای رشته کامپیوتر و IT می باشد و در 4 فصل تنظیم شده است. شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.
پروژه بصورت فایل قابل ویرایش ورد(WORD) در 62 برگهدر پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) وfootnote نویسی و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.
بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.
چکیده
با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده‌ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویسهای وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند. طی این گزارش پس از معرفی وب کاوی و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند که در این پروژه بیشتر به وب کاوی در صنعت می پردازم. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی میشوند.
کلیدواژه‌ها:
وب کاوی ،داده کاوی، کاربردهای وب کاوی ، انواع وب کاوی ، وب کاوی در تجارت الکترونیک ، وب کاوی و زمینه های تحقیقاتی
فهرست مطالب
فصل اول:مقدمه
مقدمه. 1
فصل دوم:داده کاوی
2- 1 مقدمه ای بر داده کاوی.. 6
2-1-1 چه چیزی سبب پیدایش داده کاوی شده است؟. 7
2-2 مراحل کشف دانش... 9
2- 3 جایگاه داده کاوی در میان علوم مختلف.. 12
2-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟. 14
2-5 داده کاوی و انبار داده ها 14
2-6 داده کاوی و OLAP.. 15
2-7 کاربرد یادگیری ماشین و آمار در داده کاوی.. 16
2-8 توصیف داده ها در داده کاوی.. 16
2-8-1 خلاصه سازی و به تصویر در آوردن داده ها 16
2-8-2 خوشه بندی.. 17
2-8-3 تحلیل لینک... 18
2-9 مدل های پیش بینی داده ها 18
2-9-1 دسته بندی.. 18
2-9-2 رگرسیون.. 18
2-9-3 سری های زمانی.. 19
2-10 مدل ها و الگوریتم های داده کاوی.. 19
2-10-1 شبکه های عصبی.. 19
2-10-2 درخت تصمیم. 22
2-10-3 Multivariate Adaptive Regression Splines(MARS) 24
2-10-4 Rule induction. 25
2-10-5 K-nearest neibour and memory-based reansoning(MBR) 25
2-10-6 رگرسیون منطقی.. 26
2-10-7 تحلیل تفکیکی.. 27
2-10-8 مدل افزودنی کلی (GAM) 28
2-10-9 Boosting. 28
2-11 سلسله مراتب انتخابها 28
2-12داده کاوی و مدیریت بهینه وب سایت ها 30
2-13داده‌کاوی و مدیریت دانش... 31
فصل سوم: وب کاوی
3-1 تعریف وب کاوی.. 33
3-2 مراحل وب کاوی.. 33
3-3 وب کاوی و زمینه های تحقیقاتی مرتبط.. 34
3-3-1 وب کاوی و داده کاوی.. 34
3-3-2 وب کاوی و بازیابی اطلاعات.. 35
3-3-3 وب کاوی و استخراج اطلاعات.. 36
3-3-4 وب کاوی و یادگیری ماشین.. 37
3-4 انواع وب کاوی.. 37
3-5 چالش های وب کاوی.. 38
3-6مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان.. 39
3-7 محتوا کاوی وب.. 40
فصل چهارم: وب کاوی در صنعت
4-1 انواع وب کاوی در صنعت.. 43
4-1-1وب کاوی در صنعت نفت، گاز و پتروشیمی.. 43
4-1-1-1 مهندسی مخازن/ اکتشاف.. 43
4-1-1-2مهندسی بهره برداری.. 44
4-1-1- 3مهندسی حفاری.. 44
4-1-1-4بخشهای مدیریتی.. 44
4-1-2 کاربرد های دانش داده کاوی در صنعت بیمه. 45
4-1-3کاربردهای دانش داده کاوی در مدیریت شهری.. 46
4-1-4کاربردهای داده کاوی در صنعت بانکداری.. 47
4-1-4-1بخش بندی مشتریان.. 47
4-2 پژوهش های کاربردی.. 48
نتیجه گیری.. 50
منابع و ماخذ فارسی.. 51
مراجع و ماخذ لاتین و سایتهای اینترنتی.. 52
فهرست اشکال
شکل(2-1) داده کاوی به عنوان یک مرحله از فرآیند کشف دانش.... 8
شکل(2-2) سیر تکاملی صنعت پایگاه داده. 10
شکل (2-3) معماری یک نمونه سیستم داده کاوی... 11
شکل (2-4) داده ها از انباره داه ها استخراج می گردند.. 14
شکل(2-5( داده ها از چند پایگاه داده استخراج شده اند.. 15
شکل(2-6) شبکه عصبی با یک لایه نهان.. 20
شکل(2-7) Wx,y وزن یال بین X و Y است. 21
شکل(2-8) درخت تصمیم گیری... 23
شکل(2-9( روش MBR... 26
دانلود پاورپوینت وب کاوی
این تحقیق بصورت PowerPoint و با موضوع وب کاوی و برای رشته مهندسی کامپیوتر مناسب و در 27 اسلاید کامل می باشد.
در ادامه سر تیتر های تحقیق آمده است . این پاورپوینت را می توانید بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.
بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.
فهرست اسلایدها
مقدمه
مشکلات کاربران در استفاده از وب
اصطلاح وب کاوی
تعریف وب کاوی
مراحل وب کاوی
وب کاوی و داده کاوی
تفاوت وب کاوی و داده کاوی
انواع وب کاوی
کاوش محتوای وب
کاوش ساختار وب
کاوش کاربری وب
چالش های وب کاوی
انواع الگوریتم های وب کاوی
چگونه Page rank سایت خود را در گوگل بالا ببریم؟
کاربردهای وب کاوی
تجارت الکترونیکی
Google و وب کاوی
Ebay و وب کاوی
وب کاوی در ایران
مرور و نتیجه گیری
دانلود پروژه بررسی مفاهیم و کاربردهای داده کاوی
پروژه بررسی مفاهیم و کاربردهای داده کاوی پژوهشی کامل می باشد و در 4 فصل تنظیم شده است. شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.
پروژه بصورت فایل قابل ویرایش ورد(WORD) در 91 برگه برای رشته کامپیوتر و IT در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) وfootnote نویسی و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.
بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.
مقدمه
امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .
با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .
از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانشبپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .
داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .
در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود . باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است .
هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .
فهرست مطالب
مقدمه. 1
فصل اول، مفاهیم داده کاوی
1-1- مقدمه ای بر داده‌کاوی.. 3
1-2- تاریخچه داده کاوی.. 4
1-3- تعریف داده کاوی.. 5
1-5- مفهوم داده کاوی.. 5
1-6- کاربردهای داده کاوی.. 7
1-7- دلایل پیدایش سبب پیدایش داده کاوی.. 7
1-8- مراحل کشف دانش.... 9
1-9- جایگاه داده کاوی در میان علوم مختلف... 13
1-9- داده کاوی و انبار داده ها 14
1-10- داده کاوی و OLAP. 16
1-11- کاربرد یادگیری ماشین و آمار در داده کاوی.. 16
1-12- توصیف داده ها در داده کاوی.. 17
1-12-1- خلاصه سازی و به تصویر در آوردن داده ها17
1-12-2- خوشه بندی 17
1-12-3- تحلیل لینک.... 18
1-13- مدل های پیش بینی داده ها19
1-13-1- Classification. 19
1-13-2- Regression. 19
1-13-3- Time series19
1-14- مدل ها و الگوریتم های داده کاوی.. 19
1-14-1- شبکه های عصبی 20
1-14-2- Decision trees23
1-14-3- Multivariate Adaptive Regression Splines(MARS)25
1-14-4- Rule induction. 26
1-14-5- K-nearest neibour and memory-based reansoning(MBR)26
1-14-6- رگرسیون منطقی.. 27
1-14-7- تحلیل تفکیکی 28
1-14-8- مدل افزودنی کلی (GAM)28
1-14-9- Boosting. 29
1-15- سلسله مراتب انتخابها29
1-16- انبارش داده ها30
1-17- انتخاب داده ها31
1-18- تبدیل داده ها31
1-19- کاوش در داده ها32
1-20- تفسیر نتیجه. 32
1-21- عملیاتهای داده کاوی.. 32
1-21-1- مدلسازی پیشگویی کننده33
1-21-2- تقطیع پایگاه داده ها33
1-21-3- تحلیل پیوند. 34
1-21-4- تشخیص انحراف... 34
1-22- آماده سازی داده برای مدل سازی.. 35
1-23- ساختن مدل داده کاوی.. 35
1-24- نرم‌افزارهای داده‌کاوی.. 37
1-25- ابزارهای تجاری داده کاوی ToolsDM Commercial45
1-26- منابع اطلاعاتی مورد استفاده46
1-27- پیشرفت در تکنولوژیهای داده پردازی.. 46
1-28- دیتامارت... 47
1-29- عناصر داده کاوی.. 49
1-30- محدودیت های داده کاوی.. 50
1-31- حفاظت از حریم شخصی در سیستم‌های داده‌کاوی.. 50
فصل دوم، کاربردهای داده کاوی
2-1- مقدمه. 53
2-2- کاربرد داده کاوی در کسب و کار هوشمند بانک.... 54
2-3- داده کاوی درمدیریت ارتباط با مشتری.. 55
2-4- کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی.. 56
2-5- داده کاوی و مدیریت موسسات دانشگاهی.. 57
2-6- داده کاوی و مدیریت بهینه وب سایت ها58
2-7- داده‌کاوی و مدیریت دانش.... 59
2-8- کاربرد داده‌کاوی در آموزش عالی.. 60
فصل سوم، بررسی موردی 1: وب کاوی
3-1- معماری وب کاوی.. 63
3-2- مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان.. 67
3-3- محتوا کاوی وب... 68
فصل چهارم، بررسی موردی 2 : داده کاوی در شهر الکترونیک
4-1- مقدمه. 71
4-2- زمینه داده کاوی در شهر الکترونیک.... 73
4-3- کاربردهای داده کاوی در شهر الکترونیک.... 74
4-4- کشف علایق و انگیزه های شهروندان و تولید سرویسهای شخصی سازی.. 75
4-5- تجدید ساختار سایت وب شهر و افزایش کارایی سیستم.. 76
4-6- تقویت برنامه ریزی های دولت و ترویج نوآوری.. 77
4-7- بهبود تحلیلها و تصمیمات دولت... 77
4-8- چالشهای داده کاوی در شهر الکترونیک.... 78
4-8-1- کیفیت داده ها78
4-8-2- قابلیت انتقال داده ها و استفاده از اطلاعات... 79
4-8-3- چالش برآورد مدلهای داده کاوی.. 79
4-8-4- دقت نتایج متدهای داده کاوی.. 81
4-8-5- پیچیدگی و هزینه زمانی.. 82
4-9- نتیجه گیری.. 83
مراجع و ماخذ. 85
مراجع و ماخذ فارسی.. 85
مراجع و ماخذ لاتین و سایتهای اینترنتی.. 86
فهرست شکل ها و جدول ها
شکل1-1: داده کاوی به عنوان یک مرحله از فرآیند کشف دانش... 8
شکل1-2: سیر تکاملی صنعت پایگاه داده10
شکل1-3: معماری یک نمونه سیستم داده کاوی.. 11
شکل 1-4:. داده ها از انباره داه ها استخراج می گردند. 15
شکل 1-6:.داده ها از چند پایگاه داده استخراج شده اند. 15
شکل1-7: شبکه عصبی با یک لایه نهان. 21
شکل1-8: Wx,y وزن یال بین X و Y است.22
شکل1-9: درخت تصمیم گیری.. 23
شکل1-10: محدوده همسایگی (بیستر همسایه ها در دسته X قرار گرفته اند)26
جدول2-1: کاربردهای داده کاوی در کتابخانه ها56
جدول 2-2: کاربردهای داده کاوی در موسسات دانشگاهی. 58
جدول 3-1: نمونه ای از محتویات پایگاه داده مترادف ها.64
شکل 3-1: ساختار واسط کمک فارسی برای بهبود مانعیت.. 65
شکل 3-2: ساختار واسط کمک فارسی برای بهبود جامعیت.. 66
جدول 3-2: اجزاء وپردازش های مربوط به رفع اشکالات رسم الخط.. 66
شکل4-1: جایگاه داده کاوی در شهر الکترونیک... 73
شکل 4-2: چهارچوب داده کاوی در شهر الکترونیک... 74
شکل 4-3: کاربردهای داده کاوی در شهر الکترونیک... 75
شکل 4-4: فرایند تولید سرویسهای شخصی. 75
دانلود تحقیق تحلیلی بر وب کاوی
این تحقیق بصورت Word و با موضوع تحلیلی بر وب کاوی و برای رشته مهندسی کامپیوتر مناسب و در 37 برگه کامل می باشد.
در ادامه فهرست مطالب تحقیق آمده است . این تحقیق را می توانید بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.
بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.
چکیده
با افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس های وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد.روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند. طی این گزارش پس از معرفی وب کاوی و بررسی مراحل آن، ارتباط وب کاوی با سایر زمینه های تحقیقاتی بررسی شده و به چالش ها، مشکلات و کاربردهای این زمینه تحقیقاتی اشاره می شود. همچنین هر یک از انواع وب کاوی به تفصیل مورد بررسی قرار می گیرند. برای این منظور مدل ها، الگوریتم ها و کاربردهای هر طبقه معرفی می شوند.
فهرست مطالب
1- مقدمه
2- مراحل وب کاوی
3- وب کاوی و زمینه های تحقیقاتی مرتبط
3-1- وب کاوی و داده کاوی
3-2- وب کاوی و بازیابی اطلاعات
3-3- وب کاوی و استخراج اطلاعات
3-4- وب کاوی و یادگیری ماشین
4- انواع وب کاوی
5- چالش های وب کاوی
6- کاوش محتوای وب
6-1- انواع کاوش محتوا در وب
6-1-1- طبقه بندی
6-1-2- خوشه بندی
6-1-3- سایر انواع کاوش محتوا در وب
6-2- رویکردهای کاوش محتوا در وب
6-3- الگوریتم های کاوش محتوا در وب
6-3-1- درخت تصمیم
6-3-2- شبکه عصبی
6-3-3- سایر الگوریتم های کاوش
7- کاوش ساختار وب
7-1- مدل های بازنمایی ساختار وب
7-1-1- مدل های مبتنی بر گراف
7-1-2- مدل های مارکو
7-2- الگوریتم های کاوش ساختار وب
7-2-1- HITS
7-2-2- Page Rank
7-2-3- الگوریتم جریان بیشینه
7-2-4- Average Clicks
7-3- کاربردهای کاوش ساختار وب
7-3-1- تشخیص اجتماعات وب
7-3-2- پیمایش وب
8- کاوش استفاده از وب
8-1- انواع داده های استفاده از وب
8-1-1- داده های سرورهای وب
8-1-2- داده های سرورهای پراکسی
8-1-3- داده های کلاینت
8-2- پیش پردازش داده های استفاده از وب
8-2-1- پاکسازی داده
8-2-2- تشخیص و بازسازی نشست
8-2-3- بازیابی ساختار و محتوا
8-2-4- قالب بندی داده
8-3- روش های کاوش استفاده از وب
8-3-1- قوانین انجمنی
8-3-2- الگوهای ترتیبی
8-3-3- خوشه بندی
8-4- کاربردهای کاوش استفاده از وب
8-4-1- خصوصی سازی محتوای وب
8-4-2- پیش بازیابی
8-4-3- بهبود طراحی سایت های وب
9- کاربردهای وب کاوی
9-1- تجارت الکترونیکی
9-2- موتورهای جستجو
9-3- حراجی در وب
نتیجه گیری
فهرست منابع