توضیحات کامل :

ترجمه مقاله داده کاوی با استفاده از وب معنایی مبتنی بر دانش در 7 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی



عنوان فارسی :

داده کاوی با استفاده از وب معنایی مبتنی بر دانش

عنوان انگلیسی :

Knowledge-Based Data Mining Using Semantic Web

تعداد صفحات فارسی : 7 صفحه ورد قابل ویرایش

سطح ترجمه : متوسط

شناسه کالا : aree

دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/aree.pdf

دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 8 هزار تومان قادر به دانلود خواهید بود .


بخشی از ترجمه :


چکیده
وب معنایی یک سرویس وب دقیق  می باشد که همزمان تنظیم تمام داده ها را در یک وب به شیوه ای منظم خواهد داشت . در داده کاوی وب، دقت و صحت انتخاب اطلاعات لازم بوده و  با توجه به تقاضای کاربر این موارد انتخاب خواهد شد و  برای خروجی به عنوان یک کار بزرگ با مشکلاتی در طول سال همراه خواهد بود . در این مقاله یک رویکرد برای برآورد داده ها  در سراسر وب از هستی شناسی پیشنهاد شده و از طریق یک عامل هوشمند دسترسی به داده های مورد نیازامکان پذیر خواهد بود . عامل تمام داده ها جستجو مربوط به تحقیقات  کاربر  بوده که بر اساس آن کاربر می تواند اطلاعات مورد نظر را فراهم کند . هنگامی که کاربر پارامتر جستجو کافی را نداشته باشد، دانش مورد نیاز را می توان از اطلاعات ارائه شده توسط عامل مورد نظر دریافت کرد . مشتقات موجود در دانش ناشناخته موجود را می توان با استخراج وب معنایی به دست آورد.  ما در حال حاضر یک مدل هوشمند عامل مبتنی بر وب کاوی داریم  که در آن پرس و جو کاربران توسط روش های سنتی موجود خواهد بود و به عنوان مثال توسط گوگل ارائه می شود . 



Abstract

Semantic web offers a smarter web service which synchronizes and arranges all the data over web in a disciplined manner. In data mining over web, the accuracy of selecting necessary data according to user demand and pick them for output is considered as a major challenging task over the years. This paper proposes an approach to mapping data over the web 3.0 through ontology and access the required data via an intelligent agent. The agent provides all the searched data related to user query from which user can find desired information. When the user does not have sufficient search parameter, knowledge can be perceived from the information provided by the agent. The derivation of such unknown knowledge from the existing can be achieved by semantic web mining. We present an intelligent agent-based web mining model where users’ query is being searched by following existing traditional way, e.g. by Google. The intelligent agent checks the searched data and derives only those are the semantically related to users search parameter. A work-in-progress case study of University Faculty Information presented to examine the effectiveness of the proposed model.