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

ترجمه مقاله الگوریتم های داده کاوی مبتنی بر دسته بندی و پیش بینی برای پیش بینی عملکرد دانش آموزان کند در بخش آموزشی

عنوان مقاله انگلیسی
Classification and prediction based data mining algorithms to predict slow learners in education sector
عنوان ترجمه فارسی
ترجمه مقاله الگوریتم های داده کاوی مبتنی بر دسته بندی و پیش بینی برای پیش بینی عملکرد دانش آموزان کند در بخش آموزشی

 دسته : فناوری اطلاعات

ترجمه مقاله الگوریتم های داده کاوی مبتنی بر دسته بندی و پیش بینی برای پیش بینی عملکرد دانش آموزان کند در بخش آموزشی

 

عنوان مقاله انگليسي
Classification and prediction based data mining algorithms to predict slow learners in education sector



:
:

:
:
تصویر پیش فرض
ترجمه مقاله الگوریتم های داده کاوی مبتنی بر دسته بندی و پیش بینی برای پیش بینی عملکرد دانش آموزان کند در بخش آموزشی

این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:
مقاله درباره داده کاوی تحصیلی
کشف دانش
مقاله درباره دسته بندی
Educational Data Mining
Knowledge Discovery
Classification

چکیده

داده کاوی آموزشی بیشتر از تولید نتایج دقیق برای اهداف آتی، بر پیش­ بینی تمرکز دارد. برای بررسی تغییرات الگوهای برنامه آموزشی، تحلیل منظم پایگاه داده­ های آموزشی ضروری است.

موضوع این مقاله، تشخیص دانش آموزان کند از بین دانش ­آموزان دیگر و نشان دادن آن از طریق یک مدل داده کاوی پیش گویانه، با استفاده از الگوریتم ­های مبتنی بر دسته بندی است. داده­ های واقعی از یک دبیرستان گرفته شده و متغیرهای بالقوه ­ی مورد نظر با استفاده از WEKA (یک ابزار منبع باز) فیلتر شده ­اند.

مجموعه داده­ ی سوابق تحصیلی دانش آموزان، با استفاده از WEKA (یک ابزار منبع باز) با الگوریتم های دسته ­بندی مختلفی مانند ادراک چندلایه، بیزی ساده، SMO، J48 و REPTree مورد آزمایش قرار گرفته و به کار رفته است.

در نتیجه، ویژگی­ های آماری بر اساس تمام الگوریتم ­های دسته­ بندی تولید شده است. ما نتایج پنج دسته ­بندی کننده را نیز مقایسه کردیم تا دقت را پیش­ بینی کرده، و الگوریتمی که بیشترین کارایی را دارد پیدا کنیم. ما در این مقاله مدل جریان دانش را نیز در بین پنج دسته­ب ندی کننده نشان می­ دهیم.

این مقاله اهمیت الگوریتم­ های داده کاوی مبتنی بر پیش ­بینی و دسته بندی را در زمینه آموزش نشان می ­دهد و چند مسیر تحقیقاتی امیدوارکننده­­­ را در آینده مشخص می­ کند.

1-مقدمه

در سال­ های اخیر داده کاوی به علت وجود حجم زیادی از داده ­ها و نیاز به تبدیل این داده ها به اطلاعات و دانش مفید، در صنعت تحقیقات و به طورکلی در جامعه، بسیار مورد توجه قرار گرفته است.

داده­ کاوی که کشف دانش در پایگاه داده (KDD) نیز نامیده می ­شود، یعنی کشف اطلاعات جدید و احتمالاً مفید از پایگاه­ داده­ های بسیار بزرگ [12]..