دانلود مقاله ترجمه شده روش های خوشه بندی لاگ های وب سرور- یک بررسی


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2001443 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
765,000 ریال
شناسه محصول :
2001443
سال انتشار:
2011
حجم فایل انگلیسی :
143 Kb
حجم فایل فارسی :
158 کیلو بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

روش های خوشه بندی لاگ های وب سرور- یک بررسی

عنوان انگليسي

Web Log Clustering Approaches – A Survey

نویسنده/ناشر/نام مجله

International Journal on Computer Science and Engineering (IJCSE)

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 8 صفحه انگلیسی به صورت پی دی اف و 14 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی


چکیده

با توجه به سازمان دهی هرچه بیشتر اینترنت و شبکه گسترده جهانی برای انجام تجارت و کسب و کار، لازم است که برنامه ریزی های استراتژیک و تکنیک های راهبردی جهت جهت تجزیه و تحلیل در این زمینه مورد بررسی قرار گیرند.به همین منظور ، ما یک بررسی و مطالعه اجمالی از تحقیقات و کارهای علمی اخیر در زمینه وب کاوی را با تمرکز بر روی سه روش و دیدگاه در رابطه با خوشه بندی وب ارائه می دهیم.تجزیه و تحلیل خوشه بندی ، یک الگوریتم داده کاوی با کاربرد وسیع می باشد که در واقع فرآیند تقسیم بندی یکسری از داده ها به شماری از خوشه هاست که هر داده ای ، شباهت بالایی با داده های دیگر در همان خوشه دارد اما از دیگر داده ها در خوشه های دیگر متفاوت است.

در این تحقیق علمی ، ما سه روش متفاوت را پیرامون وب کاوی بررسی کرده و سپس مزایا و معایب آن ها را آنالیز و تجزیه و تحلیل می کنیم و در پایان بر مبنای موثر ترین الگوریتم بدست آمده و همچنین نتایج حاصل از آزمایشات انجام شده بر روی فایل های وبلاگی گوناگون،  به یک نتیجه گیری کلی دست پیدا می کنیم.

1-مقدمه

وب کاوی که با عنوان وب لاگ کاوی نیز شناخته می شود ، فرآیند استخراج الگوها و طرح های قابل توجه از جستجو در فهرست قابل دسترسی به وب می باشد. وب کاوی در واقع کاربرد تکنیک های داده کاوی به منظور کشف الگوهایی از وب می باشد. کاوش استفاده ی وب، روش پیداکردن کاربرانی است که در اینترنت به دنبال اهداف خاصی می گردند. بعضی از کاربران ممکن است به دنبال داده های متنی باشند در حالی که بعضی دیگر ممکن است بخواهند داده های سمعی و بصری را از اینترنت دریافت نمایند.
کاوش استفاده ی وب به ما کمک می کند تا الگو هایی از گروه های مشخصی از افراد را که به مناطق مشخصی تعلق دارند پیدا کنیم.هر زمان که درخواست هایی جهت تخصیص منابع دریافت شود ، سازمان های سرویس دهنده ی شبکه ، به محاسبه داده های جمع آوری شده درباره ی کاربران می پردازند.لاگ های وب سرور یک منبع مهم برای انجام وب کاوی محسوب می شوند چرا که به طور دقیق ، رفتار مرورگری تمام مشاهده کنندگان سایت را ثبت می کنند.داده ای که در لاگ ثبت می شود ، دسترسی به وب سایتی که از سوی تمام کاربران صورت می گیرد را منعکس می کند.تجزیه و تحلیل لاگ های وب سرورمختلف و در دسترس ، می تواند به نحوه عملکرد کابران و همچنین به ساختار وب کمک کرده ، منجر به توسعه و گسترش طراحی یک وب سایت شود.ثبت لاگ اطلاعات مفید زیادی مثل URL ، IR (آدرس کامپیوتری) و...دارد.

*URL مخفف عبارت Uniform Resource Locator است که نشانی عمومی صفحات و منابع دیگر بر روی وب جهانی است.

بررسی لاگ می تواند به ما کمک کند تا کاربران دارای استعداد پنهان را در وب سایت پیدا کنیم و به کیفیت سرویس دهی  سایت پی ببریم.اکثریت روش هایی که جهت شناسایی طرح و الگو از داده های وب مورد استفاده قرار گرفته اند، روش های خوشه بندی هستند.خوشه بندی برای گروهی از کاربران ودر جهت جستجوی فایل ها و لیست های کامپیوتر برای یافتن صفحات وب دسته بندی شده با محتوای مشابه مورد استفاده قرار گرفته است...

وب کاوی-web usage mining (یکی از انواع وب کاوی)-لاگ های وب سرور(وب لاگ ها)-خوشه بندی :کلمات کلیدی

چکیده انگلیسی


Abstract

As more organization rely on the Internet and the World Wide Web to conduct business, the proposed strategies and techniques for market analysis need to be revisited in this context. We therefore present a survey of the most recent work in the field of Web usage mining, focusing on three different approaches towards web logs clustering. Clustering analysis is a widely used data mining algorithm which is a process of partitioning a set of data objects into a number of object clusters, where each data object shares the high similarity with the other objects within the same cluster but is quite dissimilar to objects in other clusters. In this work we discuss three different approaches on web logs clustering, analyze their benefits and drawbacks. We finally conclude on the most efficient algorithm based on the results of experiments conducted with various web log files

 
Keywords: Web Mining Web Usage Mining Web Logs Clustering
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید