چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008524 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
حجم فایل انگلیسی :
301 Kb
حجم فایل فارسی :
400 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
داده کاوي جهاني : يک مطالعه تجربي از روند فعلي، پيش بيني هاي آينده و اشاعه هاي تکنولوژي
عنوان انگليسي
Global data mining: An empirical study of current trends, future forecasts and technology diffusions
نویسنده/ناشر/نام مجله
Expert Systems with Applications
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 10 صفحه انگلیسی به صورت پی دی اف و 30 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
اين مقاله با استفاده از يک رويکرد کتاب سنجي روندهاي پژوهش و پيشبيني هاي داده کاوي از سال 1989 تا 2009 را بوسيله موضوع قرار دادن سرفصل « داده کاوي » در پايگاه داده هاي SSCI مورد تحليل قرار مي دهد. ما تکنيک تحليلي کتاب سنجي را براي بررسي موضوع در نشريات SSCI در دوره زماني از سال 1989 تا 2009 مورد استفاده قرار داده و 1181 مقاله را با استفاده از داده کاوي پيدا کرديم. اين مقاله با استفاده از هشت دسته بندي ذيل- سال انتشار، نقل قول، کشور/ قلمرو، نوع سند، نام موسسه، زبان، عنوان منبع و حوزه موضوع- براي حالت هاي مختلف توزيع بمنظور يافتن تفاوت ها و چگونگي توسعه تکنولوژي هاي داده کاوي در اين دوره زماني و جهت تحليل روندهاي تکنولوژي و پيشبيني هاي داده کاوي تحت نتايج بالا، مقالات داده کاوي شده را پياده سازي و دسته بندي مي کند. همچنين مقاله، آزمون K-S را براي کنترل اينکه تحليل از قانون Lotka پيروي مي کند بانجام رسانيد. بعلاوه، تحليل همچنين نوشتجات تاريخي را براي آشکار ساختن اشاعه هاي تکنولوژي داده کاوي مرور مي نمايد. مقاله، يک نقشه راه را براي پژوهش آينده فراهم نموده، روندهاي تکنولوژي و پيشبيني ها را خلاصه کرده و تجمع دانش را تسهيل مي نمايد بطوريکه پژوهشگران داده کاوي، از آنجائيکه دانش کليدي در دسته بندي هاي اصلي متمرکز خواهد شد، بتوانند در زمان صرفه جويي نمايند. اين بطور ضمني بر اين مطلب دلالت دارد که « موفقيت موجب موفقيت بعدي است » در نشريات با کيفيت تر رايج تر مي باشد.
1-مقدمه
داده کاوي يک زمينه علمي ميان رشته اي است که هوش مصنوعي، مديريت پايگاه داده ها، ديداري سازي داده ها، يادگيري ماشيني، الگوريتم هاي رياضي و آمار را با يکديگر ترکيب مي کند. داده کاوي همچنين بعنوان دانش اکتشاف در پايگاه هاي داده ها (KDD) موسوم بوده (Chen، Han و Yu، 1996؛ Fayyad، Piatetsky-Shapiro و Smyth، a1996)، يک زمينه علمي بسرعت در حال ظهور مي باشد. اين تکنولوژي، روش شناسي هاي مختلفي را براي تصميم گيري، حل مشکل، تحليل، طرح ريزي، تشخيص، آشکار سازي، يکپارچه سازي، پيشگيري، يادگيري و نوآوري فراهم مي سازد....
داده کاوي روندهاي پژوهش و پيشبيني ها اشاعه هاي تکنولوژي
:کلمات کلیدی
Abstract
Using a bibliometric approach, this paper analyzes research trends and forecasts of data mining from1989 to 2009 by locating heading ‘‘data mining’’ in topic in the SSCI database. The bibliometric analytical technique was used to examine the topic in SSCI journals from 1989 to 2009, we found 1181 articles with data mining. This paper implemented and classified data mining articles using the following eight categories—publication year, citation, country/territory, document type, institute name, language, source title and subject area—for different distribution status in order to explore the differences and how data mining technologies have developed in this period and to analyze technology tendencies and forecasts of data mining under the above results. Also, the paper performs the K-S test to check whether the analysis follows Lotka’s law. Besides, the analysis also reviews the historical literatures to come out technology diffusions of data mining. The paper provides a roadmap for future research, abstracts technology trends and forecasts, and facilitates knowledge accumulation so that data mining researchers can save some time since core knowledge will be concentrated in core categories. This implies that the phenomenon ‘‘success breeds success’’ is more common in higher quality publications.
Keywords:
Data mining Research trends and forecasts Technology diffusions
سایر منابع مديريت در زمینه داده کاوی