هنگامی که شبکه های کامپیوتری ستون اصلی علم و اقتصاد شد، حجم زیادی از مستندات در دسترس قرار گرفتند. به همین منظور، برای استخراج اطلاعات مفید از روش های متن کاوی استفاده می شود. متن کاوی یک حوزه پژوهشی مهم در کشف اطلاعات ناشناخته، فرضیات، و حقایق جدید به وسیله استخراج اطل چکیده کامل
هنگامی که شبکه های کامپیوتری ستون اصلی علم و اقتصاد شد، حجم زیادی از مستندات در دسترس قرار گرفتند. به همین منظور، برای استخراج اطلاعات مفید از روش های متن کاوی استفاده می شود. متن کاوی یک حوزه پژوهشی مهم در کشف اطلاعات ناشناخته، فرضیات، و حقایق جدید به وسیله استخراج اطلاعات از اسناد مختلف است. همچنین متن کاوي آشکار کردن اطلاعات پنهان با استفاده از روشي است که در يک طرف توانايي مقابله با تعداد زيادي کلمات و ساختارهايي در زبان طبيعي را نشان ميدهد و از طرف ديگر اجازه مديريت ابهام و شک را می دهد. علاوه بر آن، متن کاوی به عنوان داده کاوی متن بیان می شود که معادل با تجزیه و تحلیل متون است و به فرایند استخراج اطلاعات از متن می پردازد و اطلاعات با کیفیت بالا را از میان الگوها و فرایندها استخراج می کند. همچنین به عنوان داده کاوی متن یا کشف دانش از پایگاه داده های متنی شناخته می شود و به فرایند استخراج الگوها یا دانش از اسناد متنی بیان می شود. روش تحقیق در این کار بدین صورت است که ابتدا به بررسي پژوهشهای انجام شده در حوزه متن کاوی با تأکید بر روش ها و کاربردهای آن در آموزش الکترونیکی پرداخته شد. در طی این مطالعات، پژوهش های مرتبط در حوزه آموزش الکترونیکی طبقه بندی گردیدند. پس از طبقه بندی پژوهشها، مسائل و راهکارهای مرتبط با مسائل مطرح شده در آن کارها، استخراج شدند. در همین راستا، در این مقاله ابتدا به تعریف متن کاوی پرداخته میشود. سپس فرایند متن کاوی و حوزه های کاربرد متنکاوی در آموزش الکترونیکی مورد بررسی قرار میگیرند. در ادامه روشهای متن کاوی معرفی شده و تک تک این روشها در حوزه آموزش الکترونیکی مطرح میگردد. در انتها ضمن استنتاج نکات مهم مطالعات انجام شده، مدلی جهت استخراج اطلاعات برای بهرهبرداری از روشهای متن کاوی در یادگیری الکترونیکی پیشنهاد می شود.
پرونده مقاله
به طور کلی، تعریف هرزنامه در ارتباط با رضايت يا عدم رضايت گیرنده است نه محتوای نامه الکترونیکی. بر طبق این تعريف، مشکلاتي در دسته بندی نامه های الکترونیکی در بازاریابی و تبلیغات مطرح مي شود. برای مثال امکان دارد بعضي از نامه هاي الکترونيکي تبلیغاتی، براي عده اي از کارب چکیده کامل
به طور کلی، تعریف هرزنامه در ارتباط با رضايت يا عدم رضايت گیرنده است نه محتوای نامه الکترونیکی. بر طبق این تعريف، مشکلاتي در دسته بندی نامه های الکترونیکی در بازاریابی و تبلیغات مطرح مي شود. برای مثال امکان دارد بعضي از نامه هاي الکترونيکي تبلیغاتی، براي عده اي از کاربران هرزنامه و براي عده اي ديگر هرزنامه نباشد. براي مقابله با اين مشکل با توجه به پروفایل و رفتار کاربران، ضد هرزنامه هاي شخصي طراحی مي شود. به طور عادي براي دسته بندی هرزنامهها، روشهاي يادگيري ماشيني با دقت خوب به کار می رود. اما در هر حال يک روش منحصر به فرد موفق بر مبنای دیدگاه تجارت الکترونیک وجود ندارد. در این مقاله ابتدا پروفایل جدیدی برای شبیه سازی بهتر رفتار کاربران، تهیه می شود .سپس این پروفایل همراه با نامه های الکترونیکی به دانشجویان ارائه شده و پاسخ آنها جمع آوری می گردد. در ادامه برای دسته بندی نامه های الکترونیکی، روشهای مشهور به ازای مجموعه داده های مختلف آزمایش می شود .سرانجام، با مقایسه معیارهای ارزیابی داده کاوی، شبکه عصبی به عنوان بهترین روش با دقت بالا، تعیین می گردد.
پرونده مقاله
هر سازمان به منظور آگاهی از میزان عملکرد و مطلوبیت فعالیت واحدهای خود به یک نظام ارزشیابی جهت سنجش این مطلوبیت نیاز دارد و این موضوع برای مؤسسات مالی از جمله شرکت های مبتنی بر تکنولوژی اطلاعات اهمیت بیشتری دارد. تحلیل پوششی داده ها یک روش غیرپارامتری برای اندازه گیری ک چکیده کامل
هر سازمان به منظور آگاهی از میزان عملکرد و مطلوبیت فعالیت واحدهای خود به یک نظام ارزشیابی جهت سنجش این مطلوبیت نیاز دارد و این موضوع برای مؤسسات مالی از جمله شرکت های مبتنی بر تکنولوژی اطلاعات اهمیت بیشتری دارد. تحلیل پوششی داده ها یک روش غیرپارامتری برای اندازه گیری کارایی و بهره وری از واحدهای تصمیم گیری (DMUs)هاست. از طرف دیگر تکنیک داده کاوی به DMUs))ها اجازه کاوش و کشف اطلاعات معنی داری، که قبلاً در پایگاه داده های بزرگ پنهان بوده اند را می دهد. این مقاله یک چارچوب کلی ترکیب تحلیل پوششی داده ها بادرخت رگرسیون را برای ارزیابی کارایی و بهره وری ازDMUها پیشنهاد می کند. نتیجه مدل ترکیبی مجموعه ای از قوانین است که می تواند توسط سیاست گذاران برای کشف دلایلDMUهای کارآمد و ناکارآمد مورد استفاده قرار گیرد. به عنوان مطالعه موردی با استفاده از روش پیشنهادی برای بررسی عوامل مرتبط با بهره وری نمونه ای شامل 18 شعبه از بیمه ایران در شهر تهران انتخاب گردید و پس از مدل سازی بر مبنای مدل پیشرفته LVM ورودی محور با دسترسی پذیری ضعیف درتحلیل پوششی داده ها با خروجی نامطلوب محاسبه گردید و با تکنیک درخت تصمیم، به استخراج قوانین برای کشف دلایل افزایش بهره وری و پسرفت بهره وری می پردازد.
پرونده مقاله