دانلود مقالات ISI درباره کشف دانش + ترجمه فارسی

کشف دانش(به انگلیسی: Knowledge discovery) یک مرحله ضروری از فرآیند بزرگتر "اکتشاف دانش در پایگاه داده‌ها" می‌باشد که طبق نظر فایاد شامل مراحل زیر است: 1. پاکسازی داده‌ها: حذف داده‌های نا ایستا و مزاحم 2. یکپارچه سازی داده‌ها: ترکیب منابع داده متعدد و پراکنده و احیانا ناهمگن 3. انتخاب داده‌ها: بازیابی داده‌های مربوط به عمل کاوش از پایگاه داده‌ها 4. تبدیل داده‌ها: تبدیل یا تلفیق داده‌ها به اشکالی مناسب برای بکار بردن روش¬های مختلف آماری 5. داده کاوی: مرحله‌های ضروری از فرآیند KDD است که در آن از روش‌های مختلف آماری برای استخراج الگوها استفاده می‌شود. داده کاوی ترکیبی است از آمار، هوش مصنوعی، پایگاه داده و یادگیری ماشین. معروفترین تکنیکهای مورداستفاده در داده کاوی عبارتند از طبقه‌بندی، خوشه‌بندی و استخراج قوانین انجمنی. 6. ارزیابی الگوها: شناسایی الگوهای جذاب ارائه دانش، براساس معیار ههای جذابیت 7. ارائه دانش: ارائه دانش استخراج شده با استفاده از تکنیک‌های نمایش اطلاعات هر پروژه کشف دانش مانند دیگر پروژه های سیستم اطلاعات باید مدیریت شود. به دلیل این که اصلیترین قسمت هر پروژه داده کاوی حرکت مرحله به مرحله برای رسیدن به هدف داده کاوی است می توان گفت که بیان مراحل داده کاوی از مهم ترین قسمتهای داده کاوی می باشد که در زیر روش کشف دانش دارای مراحل تکراری زیر است: • پاکسازی داده ها (از بین بردن نویز و ناسازگاری داده ها) • یکپارچه سازی داده ها (چندین منبع داده ترکیب می شوند) • انتخاب داده ها (داده های مرتبط با آنالیزازپایگاه داده بازیابی می شوند) • تبدیل کردن داده ها (تبدیل داده ها به فرمی مناسب برای داده کاوی: مثل خلاصه سازی و همسان سازی) • داده کاوی (فرایند اصلی که روالهای هوشمند برای استخراج الگوها از داده ها به کار گرفته می شوند) • ارزیابی الگو (برای مشخص کردن الگوهای صحیح و مورد نظربه وسیله معیارهای اندازه گیری) • ارائه دانش (یعنی نمایش بصری، تکنیکهای بازنمایی دانش برای ارائه دانش کشف شده به کاربر استفاده شود) داده کاوی یکی از مراحل فرآیند است که نقش مهمی در کشف دانش از داده ها ایفا می کند. انبارش داده ها Data Warehousing وجود اطلاعات صحیح و منسجم یکی از ملزوماتی است که در داده کاوی به آن نیازمندیم. اشتباه و عدم وجود اطلاعات صحیح باعث نتیجه گیری غلط و در نتیجه اخذ تصمیمات ناصحیح در سازمانها می گردد و منتج به نتایج خطرناکی خواهد گردید که نمونه های آن کم نیستند. اکثر سازمانها دچار یک خلاء اطلاعاتی هستند. در اینگونه سازمانها معمولاً سیستم های اطلاعاتی در طول زمان و با معماری و مدیریت های گوناگون ساخته شده اند، به طوری که در سازمان اطلاعاتی یکپارچه و مشخصی مشاهده نمی گردد. علاوه بر این برای فرآیند داده کاوی به اطلاعات خلاصه و مهم در زمینه تصمیم گیریهای حیاتی نیازمندیم. مراحل فرایند داده کاوی شش مرحله ای در زیر آمده است. • درک کسب و کار • شناخت داده ها • آماده سازی داده ها • مدل سازی • ارزیابی • به کار گیری