سمینار داده کاوی با رویکرد وب سرویس کاوی

سمینار داده کاوی با رویکرد وب سرویس کاوی

داده کاوی یکی از پرکاربردترین علم ها در زمینه ی علوم کامپیوتر می باشد. بررسی علم داده کاوی نیازمند بررسی دقیق مقالات و کتب های بین المللی می باشد.  از این رو در این بخش سمینار داده کاوی با رویکرد وب سرویس کاوی مورد بررسی قرار میگیرد که شامل مباحث مهم داده کاوی و وب سرویس کاوی می باشد.

مقدمه

دنیای مدرون امروز، دنیای اطلاعات است و ما با حجم بسیار وسیعی از داده ها سرکار داریم. برای رسیدن به اطلاعات باید این داده ها تحلیل و پردازش شوند تا اطلاعات از آنها استخراج شود. وب کاوی به یکی از زمینه های مهم تحقیقاتی در زمینه داده کاوی برای تعداد وسیعی از سرویسهای وب جهان گستر در سالهای اخیر تبدیل شده است. هدف این سمینار داده کاوی با رویکرد وب سرویس کاوی می باشد.

داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد، به نحوی که با استخراج آنها، در حوزه های تصمیم گیری، پیش بینی، پیشگویی، و تخمین مورد استفاده قرار گیرند. داده ها اغلب حجیم ، اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست، بلکه دانش نهفته در داده ها قابل استفاده می باشد.

وب کاوی یکی از زمینه های مهم تحقیقاتی در زمینه داده کاوی برای تعداد وسیعی از سرویسهای وب جهان گستر در سالهای اخیر تبدیل شده است. وب جهان گستر بصورت گسترده ای هم در زمینه ترافیک و هم در زمینه اندازه و پیچیدگی وب سایتها در حال گسترش است. این پیچیدگی، نیاز ما را به تحلیل استفاده وب سایت، چگونگی ساختار وب و محتوای منابع وب وادار ساخته است.

روشهای مختلفی برای داده کاوی و فرایند کاوی از وب سرویسها و تعاملات بین آنها برای تحلیل تعاملات وب سرویسها بین استفاده کننده گان و مهیا کننده گان و کشف ترکیب سرویهاست وجود دارد.

شبکه های عصبی ، درخت تصمیم ،  K-nearest neibour  از جمله روش های مدل سازی مسائل  می باشد.

شبکه های عصبی از پرکاربردترین و عملی ترین روش های مدل سازی مسائل پیچیده و بزرگ که شامل صدها متغیر هستند می باشد. شبکه های عصبی می توانند برای مسائل کلاس بندی (که خروجی یک کلاس است) یا مسائل رگرسیون (که خروجی یک مقدار عددی است) استفاده شوند.

فهرست مطالب سمینار داده کاوی با رویکرد وب سرویس کاوی

• فصل اول: مقدمه ای بر داده کاوی

• فصل دوم: مدل ها و الگوریتم های داده کاوی

  • شبکه های عصبی
  • Feed-Forward Back-propagation
  • Decision Trees
  • Multivariate Adaptive Regression Splines (MARS)
  • Rule Induction
  • K-nearest neighbor and memory-based reasoning(MBR)

• فصل سوم: وب کاوی

  • محتوا کاو ی وب
  • ساختار کاوی
  • تکنیکهای تحلیل ابرپیوندها
  • الگوریتم رتبه بندی صفحه وب
  • سیستم وب کاوی
  • الگوریتم KIM
  • رزیابی آنتولوژی

• فصل چهارم: معماری سرویسگرا و وب سریس کاوی

  • وب سرویس استاندارد
  • وب سرویس کاوی

• فصل پنچم: نتیجه گیری و پیشنهادات