دانلود مقاله ترجمه شده جستجوی ایندکس وارونه در بحثِ داده کاوی

چکیده

 داده کاوی در رشته های مختلف علمی ریشه دارد. دو زمینۀبسیار مهم در داده کاوی آمار و یادگیری ماشین می باشد. داده کاوی فرایندِ یافتن اطلاعات جدید و مفید از داده ها، با استفاده از تکنیک های مختلف می باشد. این تکنیک ها جستجوی سریع تر و بهتری را برای مقادیر بزرگ داده ها فراهم می کنند. اندکس وارونه، ساختاری است که در فرایند داده کاوی قابل استفاده است. این ساختار، فهرستی مرتب از کلمات، همراه با فهرستی از پرونده های متناظر است که به هر کلمه ضمیمه شده است. مولفین، ساختارِ اندکس وارونه را برای مجموعه بزرگی از پرونده ها مورد بررسی قرار دادند، برای این منظور، مولفین یک برنامه کاربردی ایجاد کردند که ازساختار اندکس وارونه استفاده می کرد. این برنامه از یک کتابخانۀ اوپن سورس به نامِ Lucene استفاده می کند.

1-مقدمه

داده کاوی فرایندِ کشف مدلهای متنوع، اختصارات و مقادیر حاصل از مجموعه ای معلوم از داده ها می باشد. قابلیت استخراج معلومات مفید که در داده ها پنهان است، و عمل آوریِ آن معلومات در زندگی و کار روزمره بطور فزاینده ای مهم است. داده کاوی یک فرایند است که در آن پیشرفت، بواسطۀ کشف، چه توسط روش های خودکار یا چه دستی، تعریف می شود. داده کاوی در زمینۀ آنالیز اکتشافی که در آن هیچ تصور ازپیش تعیین شده ای دربارۀ اینکه چه چیزی یک نتیجۀ “جالب توجه” را تشکیل می دهد، وجود ندارد...