دسته‌ها
فناوری اطلاعات - ترجمه مقاله کامپیوتر - ترجمه مقاله مقالات انگلیسی رایگان مقالات ترجمه شده

ترجمه مقاله مروری بر متن کاوی A Review on Text Mining

عنوان مقاله انگلیسی رایگان A Review on Text Mining
عنوان فارسی ترجمه مقاله مروری بر متن کاوی
ترجمه مقاله مروری بر متن کاوی



:
:

:
:
تصویر پیش فرض

http://20elm.ir/wp-content/uploads/2016/10/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%88-%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1.pngجزئیات بیشتر و دانلود مقاله ترجمه شده
(مقاله انگلیسی رایگان)
عنوان فارسی ترجمه مقاله مروری بر متن کاوی

چکیده

در اثر حجم زیاد داده های بدون ساختار متن در اینترنت، داده کاوی ارزش تجاری زیادی دارد. فرایند استخراج الگوها یا دانشی که از قبل ناشناخته، قابل فهم، بالقوه و عملی بوده از مجموعه ای از داده های متن را متن کاوی گویند. این مقاله وضعیت تحقیقاتی داده کاوی را ارائه می دهد. سپس چندین مدل کلی جهت شناسایی متن کاوی در چشم اندازی کلی توصیف می شود. سرانجام  کار متن کاوی به عنوان دسته بندی متن، خوشه بندی متن، استخراج قانون وابستگی و آنالیز روند طبق موارد کاربردی طبقه بندی می شود.

1-مقدمه

با توسعه سریع تکنولوژی اطلاعات و کاربرد وسیع شبکه، اینترنت به تدریج به یکی از بخش های ضروری زندگی مردم بدل شده است. صفحات وب و سایت های شبکه اجتماعی مقادیر زیادی از داده های ساختارنیافته متن از قبیل بلوگ ها، پست های فروم، مستندات تکنیکی و …. را ایجاد می کنند. این داده ها- حاوی حجم زیادی از اطلاعات – به صورت حسی بیانگر رفتار و افکار مردم می باشد و بررسی آن به علت تعداد زیاد و اشکال مختلفی که دارد، کاری بسیار دشوار به نظر می رسد. اما تقاضای آنالیز داده های متن در حال افزایش است. از اینرو، نحوه ی دسترسی به اطلاعات مورد نیاز افراد ازطریق تعداد زیادی از داده های ساختارنیافته متن به یکی از نقاط حساس و داغ تحقیقاتی در رشته داده کاوی و اطلاعات بدل شده است. متن کاوی نیز از جمله موضوعات تحقیقاتی محسوب می شود…

این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:

مقاله درباره متن کاوی
مقاله درباره داده کاوی
مقاله درباره کشف دانش

text mining
data mining
knowledge discovery
دسته‌ها
مقالات انگلیسی رایگان

ترجمه مقاله برخی مسائل خاص مربوط به پایش امنیت شبکه در محیط های اَبَرداده (Big Data)

عنوان مقاله انگلیسی Some Special Issues of Network Security Monitoring on Big Data Environments
عنوان فارسی ترجمه مقاله برخی مسائل خاص مربوط به پایش امنیت شبکه در محیط های اَبَرداده (Big Data)
ترجمه مقاله برخی مسائل خاص مربوط به پایش امنیت شبکه در محیط های اَبَرداده (Big Data)



:
:

:
:
تصویر پیش فرض

http://20elm.ir/wp-content/uploads/2016/10/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%88-%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1.pngجزئیات بیشتر و دانلود مقاله ترجمه شده
(مقاله انگلیسی رایگان)
عنوان فارسی ترجمه مقاله برخی مسائل خاص مربوط به پایش امنیت شبکه در محیط های اَبَرداده (Big Data)

چکیده

ابرداده ها دارای اطلاعاتی عمیق از جامعه ما هستند و ازینرو برروی جنبه های مختلف جامعه بشری تاثیر می گذارد. با توجه به میزان بالای داده ها در محیط های ناهمگون و بزرگ مقیاسِ شبکه، بایستی برخی مسائل خاص پیرامون پایش امنیت شبکه را در محیط های ابرداده مورد بحث و بررسی قرار دهیم. این مقاله، پاکسازی داده ها (یا ازبین بردن نویز و ناسازگاری داده ها – data cleaning) را برای انواع مختلفِ منابع داده مطرح می کند و بواسطۀ رویداد امنیتی براساس قواعد وابستگی چندگانه، نقش ابرداده را در امنیت شبکه تجزیه و تحلیل می کند. این تحقیق همچنین ایده هایی برای پایش امنیت شبکه در محیط های ابرداده ارائه می کند.

این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:

مقاله درباره ابرداده
مقاله درباره آنالیز وابستگی (انجمنی)
مقاله درباره داده کاوی
مقاله درباره امنیت شبکه

Big Data
association analysis
mining
network security

1-مقدمه

ابرداده معمولاً بزرگ و پیچیده است، و به موضوعی داغ و نوظهور در عرصه امنیت شبکه بدل شده است. اینکه چطور با میزان فراوانی از داده های امنیت – که توسط دستگاه های مختلف و ناهمگون امنیت شبکه تولید شده کار کنیم، و اینکه چطور رویدادهای این شبکه ابرداده را آنالیز و هماهنگ کنیم، بایستی تابه امروز مورد بررسی و مطالعه قرار گرفته باشد. ما نیازمند بررسی و مطالعه سیستم پایش امنیت شبکه در محیط ابرداده، تجزیه و تحلیل بموقعِ پردازش ابرداده، و آنالیز رفتار ناهمگونِ انواع مختلف رویدادهای امنیتی، و تنظیم رویه های امنیتی برای تطبیق پویا با الزامات امنیتی شبکه، هستیم…

دسته‌ها
مقالات انگلیسی رایگان

ترجمه مقاله پیش پردازش کلان داده ها: روش ها و چشم انداز ها

عنوان مقاله انگلیسی رایگان Big data preprocessing: methods and prospects
عنوان فارسی ترجمه مقاله پیش پردازش کلان داده ها: روش ها و چشم انداز ها
ترجمه مقاله پیش پردازش کلان داده ها: روش ها و چشم انداز ها



:
:

:
:
تصویر پیش فرض

http://20elm.ir/wp-content/uploads/2016/10/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%88-%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1.pngجزئیات بیشتر و دانلود مقاله ترجمه شده
(مقاله انگلیسی رایگان)

عنوان فارسی ترجمه مقاله پیش پردازش کلان داده ها: روش ها و چشم انداز ها

 

این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:
مقاله درباره کلان داده

 

داده کاوی


مقاله درباره پیش پردازش داده
هادوپ
مقاله درباره اسپارک
مقاله درباره داده معیوب
مقاله درباره تبدیل داده
مقاله درباره انتخاب ویژگی
Big data
Data mining
Data preprocessing
Hadoop
Spark
Imperfect data
Data transformation

چکیده

رشد بسیار زیاد در مقیاس داده‌ها در سال‌های اخیر یک فاکتور کلیدی در سناریوهای کلان داده می‌باشد. کلان داده می‌تواند به عنوان داده هایی یا حجم، سرعت و تنوع بالا که به پردازش‌های نوین و با کارایی بالایی نیاز دارند. مورد بحث قرار دادن کلان داده یک مسئله چالش برانگیز و زمان بر است که برای اطمینان از پردازش و تحلیل داده‌ای به زیرساخت‌های محاسباتی بزرگی نیاز دارد.

در این مقاله روش‌های پردازش داده‌ای برای داده کاوی در کلان داده‌ها مورد بررسی قرار گرفته است. تعریف، خصوصیات و طبقه بندی رویکردهای پردازش داده در کلان داده‌ها نیز معرفی شده‌اند.

ارتباط میان کلان داده و پیش پردازش داده در سرتاسر تمامی روش‌ها و تکنولوژی‌های کلان داده‌ها از جمله مروری بر آخرین پیشرفت‌ها نیز در اینجا مورد بررسی قرار گرفته‌اند.

علاوه بر این ها چالش های پژوهشی با تمرکز بر پیشرفت های چارچوب های مختلف کلان داده مانند هادوپ، اسپارک و فلینک و وقف مطالعات بسیاری در برخی از خانواده های روش های پیش پردازش و موارد کاربردی الگوهای یادگیر کلان داده مورد بحث قرار گرفته اند.

دسته‌ها
فناوری اطلاعات - ترجمه مقاله مقالات انگلیسی رایگان مقالات ترجمه شده

ترجمه مقاله یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای

عنوان مقاله انگلیسی رایگان An efficient hybrid approach based on PSO, ACO and k-means for cluster analysis
عنوان فارسی ترجمه مقاله یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای
ترجمه مقاله یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای
این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:
مقاله درباره داده کاوی

مقاله درباره PSO
مقاله درباره ACO
مقاله درباره K-means
Ant colony optimization
Data clustering
Hybrid evolutionary optimization algorithm
k-means

<




:
:

:
:
تصویر پیش فرض

http://20elm.ir/wp-content/uploads/2016/10/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%88-%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1.pngجزئیات بیشتر و دانلود مقاله ترجمه شده
(مقاله انگلیسی رایگان)
عنوان فارسی ترجمه مقاله یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای

/div>

چکیده

خوشه بندی، یک روش محبوب برای تحلیل داده ها و داده کاوی است. روش رایج برای خوشه بندی، بر اساس k-means است به طوری که داده ها به k خوشه تقسیم می شوند. با این حال، الگوریتم k-means بسیار وابسته به حالت اولیه است و به راه حل بهینه محلی همگرا می شود.

در این مقاله یک الگوریتم تکاملی ترکیبی جدید برای حل مسئله خوشه بندی تقسیمی غیر خطی ارائه می گردد. الگوریتم تکاملی ترکیبی پیشنهادی، ترکیبی از الگوریتم  FAPSO(بهینه سازی ازدحام ذرات تطبیقی فازی)، ACO (بهینه سازی کلونی مورچه) و k-means، به نام FAPSO-ACO-K است، که می تواند پارتیشن خوشه ای بهتری پیدا کند.

عملکرد الگوریتم پیشنهادی، از طریق چندین مجموعه داده معیار ارزیابی می گردد. نتایج شبیه سازی نشان می دهد که عملکرد الگوریتم پیشنهادی، بهتر از الگوریتم های دیگر مانند PSO، ACO، بازپخت شبیه سازی شده (SA)، ترکیبی از PSO و SA (PSO–SA)، ترکیبی از ACO وSA  (ACO–SA)، ترکیبی از PSO و ACO (PSO–ACO)، الگوریتم ژنتیک (GA)، جستجوی تابو (TS)، بهینه سازی جفت گیری زنبور عسل (HBMO) و K-means برای مسئله خوشه بندی تقسیمی است.

دسته‌ها
فناوری اطلاعات - ترجمه مقاله مقالات انگلیسی رایگان مقالات ترجمه شده

ترجمه مقاله تحلیل سبد بازار موضوعی، در یک محیط چند فروشگاهی

عنوان مقاله انگلیسی رایگان Context-based market basket analysis in a multiple-store environment
عنوان فارسی
ترجمه مقاله تحلیل سبد بازار موضوعی، در یک محیط چند فروشگاهی

 دسته : فناوری اطلاعات

ترجمه مقاله تحلیل سبد بازار موضوعی، در یک محیط چند فروشگاهی




:
:

:
:
تصویر پیش فرض

http://20elm.ir/wp-content/uploads/2016/10/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%88-%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1.pngجزئیات بیشتر و دانلود مقاله ترجمه شده
(مقاله انگلیسی رایگان)
عنوان فارسی
ترجمه مقاله تحلیل سبد بازار موضوعی، در یک محیط چند فروشگاهی

این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:
قواعد انجمنی
مقاله درباره داده کاوی
زنجیره فروشگاه
مقاله درباره الگوریتم
Association rule
Data mining
Store chain
Algorithm

چکیده

در این مقاله قصد داریم روش جدیدی را برای تحلیل سبد بازار در یک محیط چند فروشگاهی و چند دوره ای ارائه دهیم. یک کاربر برای استفاده از این متد، بر اساس نیازمندی ها و کاربردش، در ابتدا اقدام به تعریف یک سلسله مراتب مفهوم زمانی و یک سلسله مراتب مکانی می کند.

یک مجموعه از موضوعات (کانتکس) نیز به صورت سامانمند از طریق این دو سلسله مراتب بدست می آید، بدین شکل که سطوح مفهوم در هر دو سلسله مراتب با هم ترکیب می شوند.

یک الگوریتم کارآمد را برای استخراج قواعد انجمنی را توسعه دادیم که می تواند نیازمندی های اعتماد را برای همه موضوعات ارضا نماید.

یک تصمیم گیر با بکار گیری این روش می تواند به تحلیل الگوهای خرید در سطوح کاملی از مفاهیم زمان و مکان بپردازد؛ برای مثال وی می تواند تصمیم های خود را در سطح ترکیبی از روزها و فروشگاه ها، در سطوح کلی تر مانند ترکیبی از فصل ها و ایالت ها، و ترکیبی از سطوح مختلف با یکدیگر، مثلاً ترکیب روزها و منطقه ها انجام دهد.

علاوه بر این انعطاف پذیری، قواعد انجمنیِ خوبی را نیز سازماندهی کرده ایم چرا که این قواعد، بر اساس موضوعاتی که از سلسله مراتب زمان و مکان بدست آمده است ایجاد می شود. ارزیابی های عددی نشان می دهد که این الگوریتم از نظر زمان اجرا کارآمد بوده و ممکن است بتواند اطلاعات غنی تری را نسبت به قواعد فروشگاه- زنجیره ای و فروشگاه های متعارف ایجاد نماید.