کتاب پیچ بهترین و سریعترین سایت دانلود کارآموزی و پروژه

تعداد صفحات:46

نوع فایل:word

فهرست:

مقدمه

مفهوم وب و وب سایت

مفهوم وب معناگرا

وب کنونی

مثال هایی از وب کنونی و وب معنایی

تجارت الکترونیک

ویکی ها

فناوری های وب معنایی

فرا داده  

آنتولوژی (هستی شناسی)

منطق

عامل ها

وب معنایی در مقایسه با هوش مصنوعی

روش لایه ای

آشنایی با XML

XML و اهمیت آن در وب معنایی

آشنایی با XSD

آشنایی با XPATH

آشنایی با RDF

مدل RDF

نمایش دانش با استفاده از مدل RDF           

آشنایی با RDF Schema 

معرفی Taxonomy ها     

چرا از Taxonomy استفاده می کنیم؟

زبان آنتولوژی وب

شرایط مورد نیاز برای زبان های آنتولوژی

محدودیت های موجود در قدرت انتقال معنا توسط RDF Schema

سازگاری OWL با RDF / RDFS

سه زیر زبان OWL

آشنایی با OWL Full

آشنایی با OWL DL

آشنایی با OWL Lite

ساخت دستی آنتولوژی

بکارگیری مجدد آنتولوژی های موجود

روش های نیمه خودکار ساخت آنتولوژی

آنتولوژی های زبان طبیعی

آنتولوژی های حوزه ای

نمونه های آنتولوژی

نتیجه گیری

منابع و ماخذ

 

مقدمه:

چالش اساسی در ارتباط با وب آن است که منابع موجود تنها برای انسان ها قابل فهم و استفاده می باشد بنابراین ماشین ها در جستجو، اشتراک و یکپارچه سازی انبوهی از اطلاعات، محدودیت های زیادی دارند. در حال حاضر ماشین ها جهت شناخت محتوی وب و اطلاعات موجود در وب، نیاز به دانش اساسی دارند و بدون آن تنها می توانند کورکورانه وجود یا عدم وجود یک کلمه کلیدی را مشخص کنند. وب معناگرا سعی دارد تا اطلاعات موجود در وب را برای ماشین ها قابل درک کندولی هرگز قصد آن را ندارد تا به ماشین ها قابلیت های جادویی ببخشد تا با انسان ها رقابت کنند.بلکه تنها سعی دارد از سرعت و قدرت ماشین ها در پردازش اطلاعات موجود، جهت حل برخی مشکلات انسان ها استفاده نماید.

                                       جهت دانلود کليک نماييد

 

برچسب ها : پروژه, پایان نامه, هوش مصنوعی, وب, تجارت الکترونیک, دانلود, روش لایه ای, آنتولوژی, ماشین, ,

امتياز : 3 | نظر شما : 1 2 3 4 5 6

نوشته شده توسط ketabpich در دوشنبه 29 تير 1394 ساعت 18:55 موضوع | تعداد بازديد : 274 | لينک ثابت

تعداد صفحات:147
نوع فایل:word
فهرست مطالب:
فصل یکم-آشنایی با وب معنایی
1-1 مقدمه
1-2 ساختار فصل
1-3 تاریخچه
1-4 نسل‌های مختلف وب
1-4-1 وب 1 چیست؟
1-4-2 وب 2 چیست؟
1-4-3 جنبههای وب 2
1-4-4 وب 3 چیست؟
1-4-5 مقایسه وب گاه‌ها در “وب 1″ و”وب 2″ و”وب 3″
1-5 وب معنایی چیست؟
1-6 هدف (چرا وب معنایی)
1-6-1 مثالی عینی از کاربرد وب معنایی
1-7 سناریوی پیشکار وب معنایی
1-8 تکنولوژی وب معنایی
1-8-1 متادیتای صریح
1-8-2 آنتولوژی
1-8-3 منطق
1-8-4 پیشکار وب معنایی
1-9 معماری وب معنایی
فصل دوم – اسناد ساخت یافته‌ی وب در قالب XML
2-1 مقدمه
2-2 ساختار فصل
2-3 زبان XML
2-3-1 مقدمات
2-3-2عناصر
2-3-3 صفات
2-3-4 توضیحات
2-3-5 دستورات پردازشی
2-3-6 اسناد خوش تعریف
2-3-7 مدل درختی اسنادXML
2-4 ساختار
2-4-1XML Schema
2-5 خلاصه
فصل سوم – توصیف منابع وب با RDF
3-1 مقدمه
3-2 ساختار فصل
3-3 مدل RDF و ایدههای اصلی آن
3-3-1 منابع
3-3-2 ویژگیها
3-3-3 عبارت‌ها
3-3-4 سه دیدگاه از یک عبارت
3-4 خلاصه
فصل چهارم – موتورهای جستجو
4-1 مقدمه:
4-2 ساختار فصل
4-3 موتور جستجوی معنایی
4-3-1 توسعه آنتولوژی
4-3-2 جریان دهنده آنتولوژی
4-3-3 مفسر هستی شناسی
4-3-4 جریان دهنده وب
4-3-5 عملکرد جستجوی معنایی
4-3-6 ایجاد کننده پرسش
4-3-7 پیش پردازشگر پرسش
4-4 موتور استنباطی
4-4-1 کار مرتبط
4-4-2 ساختار پیشنهادی
4-4-3 اجرا و بکار گیری
4-4-4 مقیاس پذیری
4-5 جزئیات جست‌وجو در وب معنایی
4-6 TAP زیرساختی برای وب معنایی
4-6-1 رابط پرس و جو
4-6-2 جمع آوری دادهها
4-6-3 انتشار داده‌‌ها
4-7 چند نمونه پیادهسازی شده از جست‌وجو معنایی
4-7-1 ایجاد ارتباط بین واژههای جست‌وجو و نودهای گراف در وب معنایی
4-7-2 مشخص کردن اطلاعاتی که باید به کاربر نمایش داده شود
4-7-3 نمایش خروجی
4-8 موتورهای جست‌وجوی غیر معنایی
4-8-1 اساس کار موتورهای جست‌وجوی غیر معنایی
4-8-2 اجزای موتورهای جست‌وجوی غیر معنایی
4-8-2-1 عنکبوت
4-8-2-2 پیمایشگر یا خزنده
4-8-2-3 بایگانی کننده
4-8-2-4 پایگاه داده
4-8-2-5 سیستم رتبه بندی
4-9 موتورهای جست‌وجوی معنایی
4-9-1 ردهبندی موتورهای جست‌وجو معنایی
4-9-2انواع مورتوهای جست‌وجوی معنایی
فصل پنجم- بررسی موتورهای جستجو معنایی
5-1 موتور جست‌وجوی استر
5-1-1 کارهای انجام شده
5-1-2 موتور جست‌وجو
5-1-3 آزمایشات
5-1-4 کیفیت نتیجهی جست‌وجو
5-2 موتور جست‌وجوی ناگا
5-2-1 مدل داده ناگا
5-2-2 انواع مدل داده در موتورهای جست‌وجوی ناگا
5-2-3 آزمایشات
5-2-4کیفیت نتایج جست‌وجو
5-3 واتسون ، بیشتر از یک موتور جستجوی وب معنایی
5-3-1 استفاده از Watson به عنوان یک پلاتفرم تحقیقاتی
5-3-2 کارهای مرتبط
5-3-3 کارهای بعدی و کارکردهای برنامه ریزی شده
5-4 نتیجه گیری و کارهای آینده
فصل ششم- نتیجه گیری و چشم انداز
6-1 کدام وب معنایی؟
6-2 چهار تصور نادرست مشهور
6-3 وضعیت کنونی
6-3-1 چهار سوال کلیدی
6-3-2 حوزههای اصلی کاربرد
6-4 چالش های تحقیقاتی کلیدی انتخابی

فهرست اشکال
شکل 1-1 مقایسه وب 1،وب 2،وب3
شکل 1- 2 : دیدی که آقای “تیم برنزلی” از وب ارائه کرده را نشان می‌دهد
شکل 1- 3 صفحه اصلی سایت مرکز فیزیوتراپی
شکل 1- 4 بیان بخشی از محتوای صفحه‌ی اصلی سایت مرکز فیزیوتراپی
شکل 1- 5 سلسله مراتب در حوزه‌‌‌ی دانشگاه
شکل 1- 6 مقایسه وب کنونی با وب معنایی
شکل 1- 7 معماری لایه‌ای وب معنایی
شکل 2- 1 معرفی کتاب با نمایش HTML
شکل 2- 2 معرفی کتاب با نمایش XML
شکل 2- 3 نمایش قانون نیرو با HTML
شکل 2- 4 نمایش قانون نیرو با XML
شکل 2- 5 عنصر lecturer درنمایش XML
شکل 2- 6 نمایش XMl با استفاده از صفات.
شکل 2- 7 نمایش XMl با استفاده از عناصر تو در تو .
شکل 2- 8 نمایش XML از یک سند خوش تعریف .
شکل 2- 9 نمایش درختی از سند XML
شکل 3- 1 نمایشهای مختلف از دادهای در XMl
شکل 3- 2 نمایش بخشی از داده‌ها در RDF
شکل 3- 3 نمایش گرافیکی سه تایی.
شکل 3- 4 گراف معنایی
شکل 3- 5 سه تایی‌هایی متناظر با شکل 3-4.
شکل 3- 6 سند RDF و نحو مبتنی بر XML آن .
شکل 4- 1 طرح پیشنهادی موتور جستجوی معنایی
شکل 4- 2 یک طرح کلی از شکل 1
شکل 4- 3 گراف مربوط به یو-یو-ما در وب معنایی
شکل 4- 4 گراف مربوط به اریک میلر در وب معنایی
شکل 4- 5 نتایج جست‌وجو
شکل 5- 1 جست‌وجو استر
شکل 5- 2 پایگاه دانش
شکل 5- 3 مرور اجمالی بر ساختار Watson

فهرست جداول
جدول 1- 1 مقایسه سه نسل وب
جدول 5- 1: لیستی از مجموعه کلمه در استر
جدول 5- 2 نتایج آزمایشات بر روی موتور جست‌وجوی استر
جدول 5- 3 نتایج کیفیت معنایی
جدول 5- 4 پرس و جو نمونه برای مقایسه ناگا با گوگل

1-1 مقدمه:
بیش از‌ چند‌ دهه ‌از پیدایش وب می‌گذرد.‌آموزش از راه دور فروشگاه‌های‌ اینترنتی، سرگرمی‌های تحت وب‌،‌ سایت‌های اجتماعی، ویکی‌ها، فیس بوک و وبلاگ‌ها (تحت عنوان وب 2) همگی نمونه‌هایی از تلاش برای توسعه وب به شمار می‌آید.
وب یک محیط اطلاعاتی است که در آن با‌ استفاده ‌از‌تکنولوژی‌ها‌، امکان نگهداری، ارائه و تبادل اطلاعات به وجود آمده است‌. وب در ابتدا تنها دارنده اطلاعاتی بود که بیشتر مشکل متنی داشتند‌. و در این وب اطلاعات به صورت استاتیک موجود بود و عموم کاربران تنها خواننده این صفحات وب بودند.
شبکه‌ی وب به عنوان یکی از بزرگترین دستاوردهای تکنولوژی، به طور قابل ملاحظه‌ای براقتصادو مجامع مدرن تاثیر گذاشته است. با وجود این،‌وضعیت کنونی آن رضایت بخش نیست زیرا بسیاری از امور ضروری و روزمره توسط ابزار‌های خودکار پشتیبانی نمی‌شود. برای مثال موتور‌های جست‌وجوی مبتنی بر کلمات کلیدی مهم‌ترین ابزار در پشتیبانی از بازیابی اطلاعات هستند اگرچه وجود آنها ضروری است زیرا بدون موتورهای جست‌وجو وب توفیقی ندارد،‌ولی هنوز هنگام استفاده از آن‌ها مشکلات و محدودیت‌های اساسی بر حسب فراخوانی، دقت و محتوای صفحات گوناگون وب وجود دارد که عبارتند از:
•فراخوانی کم یا هیچ‌. خیلی وقت‌ها اتفاق می‌افتد که هیچ جوابی در پاسخ به درخواست وجود ندارد و یا صفحات مرتبط و مهمی‌در فراخوانی‌‌ها یافت نمی‌شود اگرچه این حالت در موتورهای جست جوی فعلی به ندرت اتفاق می‌افتد ولی غیر ممکن نیست.
•فراخوانی زیاد، ودقت کم.حتی بازیابی تمامی‌صفحات مرتبط با موضوع در بین تعداد زیادی فراخوانی‌، اعم از صفحات کم مرتبط یا نا مرتبط مشکل‌ساز است‌. تعداد فراخوانی‌های بسیار زیاد نیز به اندازه فراخوانی کم بد است.

 

برچسب ها : دانلود, پروژه, پایان نامه, وب معنایی, موتور جست جو, سرچ, تکنولوژی, معماری, آنتولوژی, پردازشگر, گراف, سیستم رتبه بندی, مدل داده, پایگاه, ,

امتياز : 4 | نظر شما : 1 2 3 4 5 6

نوشته شده توسط ketabpich در يکشنبه 18 مرداد 1394 ساعت 16:02 موضوع | تعداد بازديد : 237 | لينک ثابت

تعداد صفحات:81
نوع فایل:word
فهرست مطالب:
چکیده
فصل1 – مقدمه ای بر داده کاوی
تعریف داده کاوی
تاریخچه داده کاوی
چه چیزی سبب پیدایش داده کاوی شده است؟
اجزای سیستم داده کاوی
جایگاه داده کاوی در میان علوم مختلف
قابلیت های داده کاوی
چرا به داده کاوی نیاز داریم؟
داده کاوی چه کارهایی نمیتواند انجام دهد؟
کاربردهای داده کاوی
کاربردهای پیش بینی کننده
کاربردهای توصیف کننده
ابزارهای تجاری داده کاوی
داده کاوی و انبار داده ها
تعاریف انبار داده
چهار خصوصیت اصلی انبار داده
موارد تفاوت انبار داده و پایگاه داده
داده کاوی و OLAP
OLAP
انواع OLAP
مراحل فرآیند کشف دانش از پایگاه داده ها
انبارش داده ها
انتخاب داده ها
پاکسازی، پیش پردازش و آماده سازی
تبدیل داده ها
کاوش در داده ها (Data Mining)
تفسیر نتیجه
فصل 2 – قوانین ارتباطی
قوانین ارتباطی
اصول پایه
شرح مشکل جدی
پیمایش فضای جستجو
مشخص کردن درجه حمایت مجموعه اقلام
الگوریتم های عمومی
دسته بندی
BFS و شمارش رویدادها
BFS و دونیم سازی TID-list
DFS و شمارش رویداد
DFS و دو نیم سازی TID-list
الگوریتم Apriori
مفاهیم کلیدی
پیاده سازی الگوریتم Apriori
معایب Apriori و رفع آن ها
الگوریتم رشد الگوی تکرار شونده
چرا رشد الگوی تکرار سریع است؟
مقایسه دو الگوریتم Apriori و FP-growth
تحلیل ارتباطات
فصل 3 – وب کاوی و متن کاوی
وب کاوی
الگوریتم های هیتس و لاگسام
کاوش الگوهای پیمایش مسیر
متن کاوی
کاربردهای متن کاوی
جستجو و بازیابی
گروه بندی و طبقه بندی
خلاصه سازی
روابط میان مفاهیم
یافتن و تحلیل گرایشات
برچسب زدن نحوی (pos)
ایجاد Thesaurus و آنتولوژی به صورت اتوماتیک
فرآیند متن کاوی
روش های متن کاوی
مراجع

فهرست اشکال:
مراحل فرآیند کشف دانش
سیر تکاملی صنعت پایگاه داده
معماری یک نمونه سیستم داده کاوی
نرخ رشد اطلاعات
کاربرد پیش بینی کننده
داده ها از انبار داده ها استخراج میگردند
داده ها از از چند پایگاه داده استخراج میگردند
دسته بندی الگوریتم ها
پایان الگوریتم Apriori
درخت الگوی تکرار
اندازه گیری کارکرد درجه حمایت برای پایگاه داده D1 40K
اندازه گیری Apriori با درجه حمایت/تراکنش
اندازه گیری FP-growth با درجه حمایت/تراکنش
مقداردهی اولیه الگوریتم HITS
مثالی از الگوهای پیمایش
فرآیند متن کاوی
مثال یافتن روابط

فهرست جداول:
کاوش FP-tree با ایجاد پایگاه های الگو شرطی
پارامترها
نتایج برای فاکتور درجه حمایت 5%
نتایج برای D1 150K با درجه حمایت
تراکنشهای توصیف شده توسط مجموعه ای از URLها
نمایش URLها بعنوان بردارهایی از فعالیت گروه تراکنش
یک SOM مرسوم که توسط توصیف URLها تولید شده است

چکیده:
در دو دهه قبل توانایی های فنی بشر برای تولید و جمع آوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسائل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستم های سنجش از دور ماهواره ای، در این تغییرات نقش مهمی دارند.
به طور کلی استفاده همگانی از وب و اینترنت بعنوان یک سیستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات میکند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که بصورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده کاوی بعنوان یک راه حل برای این مسائل مطرح میباشد. در یک تعریف غیر رسمی داده کاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی میکنند، که این دانش بصورت ضمنی در پایگاه داده های عظیم، انباره داده و دیگر مخازن بزرگ اطلاعات، ذخیره شده است.
به لحاظ این که در چند سال اخیر مبحث داده کاوی و اکتشاف دانش موضوع بسیاری از مقالات و کنفرانس ها قرار گرفته و نرم افزارهای آن در بازار به شدت مورد توجه قرار گرفته، از این رو در مقاله سعی بر آن شده تا گذری بر آن داشته باشیم.
در این مقاله در فصل اول مروری بر داده کاوی خواهیم داشت. که بطور عمده به تاریخچه، تعاریف، کاربردها و ارتباط آن با انبار داده و OLAP خواهیم پرداخت. در پایان فصل مراحل فرآیند کشف دانش از پایگاه داده ها را ذکر کردیم که داده کاوی یکی از مراحل آن است.
در فصل 2 یکی از شیوه های داده کاوی که از سبد خرید گرفته شده است توضیح داده شده است. در این فصل به شرح قوانین ارتباطی خواهیم پرداخت که در آن بعد از دسته بندی الگوریتم ها، الگوریتم Apriori (که یک الگوریتم پایه در این زمینه است) و الگوریتم FP-Growth (یک الگوریتم جدید می باشد) را با شرح یک مثال توضیح میدهیم و در آخر آن دو را با هم مقایسه میکنیم.
در فصل 3 مباحث وب کاوی و متن کاوی را که در بسیاری از مراجع جزء کاربردهای داده کاوی به حساب می آید شرح داده خواهد شد.

مقدمه:
امروزه با گسترش سیستم‌های پایگاهی و حجم بالای داده‌های ذخیره شده در این سیستم‌ها، نیاز به ابزاری است تا بتوان داده‌های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.
با استفاده از پرسشهای ساده در SQL و ابزارهای گوناگون گزارش‌گیری معمولی، میتوان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه‌گیری در مورد داده‌ها و روابط منطقی میان آن ها بپردازند. اما وقتی که حجم داده‌ها بالا باشد، کاربران هرچند زبر دست و باتجربه باشند نمی‌توانند الگوها مفید را در میان حجم انبوه داده‌ها تشخیص دهند و یا اگر قادر به این کار هم باشند، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است. از سوی دیگر، کاربران معمولاً فرضیه‌ای را مطرح می‌کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه میپردازند، در حالی که امروزه نیاز به روش هایی است که اصطلاحاً به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه‌های منطقی را بیان نمایند.
داده کاوی یکی از مهم ترین این روش ها است که به الگوهای مفید در داده‌ها با حداقل دخالت کاربران شناخته میشوند واطلاعاتی را در اختیار کاربران و تحلیل گران قرار میدهند تا براساس آن تصمیمات مهم و حیاتی در سازمان ها اتخاذ شوند.
اصطلاح داده کاوی زمانی به کار برده میشود که با حجم بزرگی از داده‌ها، در حد مگا یا ترابایت، مواجه باشیم. در تمامی منابع داده کاوی بر این مطلب تاکید شده است. هرچه حجم داده‌ها بیشتر و روابط آن ها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکل تر میشود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش، روشن‌تر میگردد.
داده کاوی به طور همزمان از چندین رشته علمی بهره میبرد نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه‌های عصبی، آمار، الگو، سیستم‌های مبتنی بر دانش، حصول دانش، بازیابی اطلاعات، محاسبات سرعت بالا و بازنمایی بصری داده.

 

برچسب ها : OLAP, آماده سازی, آنتولوژی, ابزارهای تجاری, اتوماتیک, اسکن کردن متون, اطلاعات, الگوریتم, انبار داده, انبارش, بازیابی, بازیابی اطلاعات, تراکنش, توانايی, تکنولوژی, جستجو, خدمات دولتی, خلاصه سازی, داده کاوی, دانلود, سیستم, صنعت, طبقه بندی, فرآیند, ماهواره, متن کاوی, محاسبات, معماری, نرم افزار, هوش مصنوعی, پاکسازی, پایان نامه, پایگاه داده, پردازش, پیش پردازش, کاربران, کامپیوتر, کسب و کار, کشف دانش, گروه بندی,

امتياز : 3 | نظر شما : 1 2 3 4 5 6

نوشته شده توسط ketabpich در دوشنبه 17 اسفند 1394 ساعت 11:32 موضوع | تعداد بازديد : 273 | لينک ثابت