دانلود مقاله ISI با ترجمه :داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری

متن کامل مقاله ISI با ترجمه فارسی

عنوان فاسی :داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری

عنوان : Global data mining: An empirical study of current trends, future forecasts
and technology diffusions

تکه هایی از متن مقاله ISI با ترجمه فارسی به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

Global data mining: An empirical study of current trends, future forecasts
and technology diffusions
Hsu-Hao Tsai ⇑
Department of Management Information System, National Chengchi University, No. 64, Sec. 2, Zhinan Rd., Wenshan District, Taipei City 11605, Taiwan, ROC
a r t i c l e i n f o
Keywords:
Data mining
Research trends and forecasts
Technology diffusions
Bibliometric methodology
a b s t r a c t
Using a bibliometric approach, this paper analyzes research trends and forecasts of data mining from
1989 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.
 2012 Elsevier Ltd. All rights reserved.
1. Introduction
Data mining is an interdisciplinary field that combines artificial
intelligence, database management, data visualization, machine
learning, mathematic algorithms, and statistics. Data mining, also
known as knowledge discovery in databases (KDD) (Chen, Han, &
Yu, 1996; Fayyad, Piatetsky-Shapiro, & Smyth, 1996a), is a rapidly
emerging field. This technology provides different methodologies
for decision-making, problem solving, analysis, planning, diagnosis,
detection, integration, prevention, learning, and innovation
This technology is motivated by the need of new techniques to
help analyze, understand or even visualize the huge amounts of
stored data gathered from business and scientific applications. It
is the process of discovering interesting knowledge, such as patterns,
associations, changes, anomalies and significant structures
from large amounts of data stored in databases, data warehouses,
or other information repositories. It can be used to help companies
to make better decisions to stay competitive in the marketplace.
The major data mining functions that are developed in commercial
and research communities include summarization, association,
classification, prediction and clustering. These functions can be
implemented using a variety of technologies, such as database-oriented
techniques, machine learning and statistical techniques
(Fayyad, Piatetsky-Shapiro, & Smyth, 1996b).
Data mining was defined by Turban, Aronson, Liang, and Sharda
(2007, p.305) as a process that uses statistical, mathematical, artificial
intelligence and machine-learning techniques to extract and
identify useful information and subsequently gain knowledge from
large databases. In an effort to develop new insights into practiceperformance
relationships, data mining was used to investigate
improvement programs, strategic priorities, environmental factors,
manufacturing performance dimensions and their interactions
(Hajirezaie, Husseini, Barfourosh, et al., 2010). Berson, Smith, and
Thearling (2000), Lejeune (2001), Ahmed (2004) and Berry and Linoff
(2004) also defined data mining as the process of extracting or
detecting hidden patterns or information from large databases.
With an enormous amount of customer data, data mining technology
can provide business intelligence to generate new opportunities
(Bortiz & Kennedy, 1995; Fletcher & Goss, 1993; Langley &
Simon, 1995; Lau, Wong, Hui, & Pun, 2003; Salchenberger, Cinar,
& Lash, 1992; Su, Hsu, & Tsai, 2002; Tam & Kiang, 1992; Zhang,
Hu, Patuwo, & Indro, 1999).

تعداد صفحه : 10

تکه هایی از متن ترجمه فارسی به عنوان نمونه :

داده کاوی جهانی: مطالعه تجربی از روند فعلی پیش بینی آینده و انتشار فناوری:

چکیده:

با استفاده از روش داده کاوی این مطالعه و تجلیل روند تحقیقات و پیش بینی داده کاوی را از سال 1989 تا سال 2009 را با عنوان داده کاوی در پایگاه SSCI انجام داده است روش کتاب سنجی تحلیل روشی بررسی موضوع در این بازه زمانی است. ما با برداشت از 1881 مقاله به بررسی این موضوع پرداخته ایم در این مقاله پیاده سازی و طبقه بندی مقالات داده کاوی با استفاده از سال نشر، استناد، کشور نشر، نوع سند، نام موسسه، زبان، عنوان منبع و موضوع منطقه برای وضعیت های مختلف به منظور کشف تفاوت ها و اطلاعات چگونگی فناوری و توسعه یافتگی آن در این دوره با گرایش های فناوری پرداخته ایم و پیش بینی نتایج را از این مقالات انجام داده ایم همچنین این مقاله انجام آزمون K-S را برای بررسی اینکه آیا تجزیه و تحلیل براساس قانون لوکتا است یا نه انجام دادند. علاوه براین تجزیه و تحلیل بررسی متون تاریخی جهت نفوذ فناوری داده کاوی انجام شده است. این مقاله یک نقشه راه برای تحقیقات آینده، و روندهای تکنولوژی و پیش بینی و تسهیل انباشت دانش را در دستور خود دارد به طوری که محققان داده کاوی بتواند با صرف هزینه کم بر روی موضوع مشخص خود متمرکز شوند.

این بدان معنی است که پدیده موفقیت در نشریات با کیفیت بالاتر شایع تر است

کلیده واژه ها: داده کاوی، روند تحقیقات و پیش بینی، نفوذ فناوری و روش کتاب سنجی

1- مقدمه:

داده کاوی زمینه بین رشته ای است که ترکیبی مصنوعی از هوش، مدیریت پایگاه داده، تجسم داده ها، دستگاه یادگیری، الگوریتم های ریاضی و آمار را به وجود آورده است.

تعداد صفحه:31

قیمت : 14300تومان

بلافاصله پس از پرداخت ، لینک دانلود مقاله به شما نشان داده می شود

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        09199970560        info@arshadha.ir

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

شماره کارت :  6037997263131360 بانک ملی به نام محمد علی رودسرابی

11

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید