ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Data Stream Mining between Classical and Modern Applications: A Review

العنوان بلغة أخرى: تنقيب البيانات المتدفقة بين التطبيقات القديمة والحديثة: مقال مراجعة
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: آل عبدالعزيز، عمار ظاهر ياسين طه (مؤلف)
المؤلف الرئيسي (الإنجليزية): Al Abd Alazeez, Ammar Thaher Yaseen
المجلد/العدد: مج30, ع5
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2021
الصفحات: 30 - 43
DOI: 10.33899/edusj.2021.130093.1158
ISSN: 1812-125X
رقم MD: 1203717
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch
مواضيع:
كلمات المؤلف المفتاحية:
تنقيب البيانات المتدفقة | خوارزميات التنقيب | البيانات الضخمة | Data Stream Mining | Mining Algorithms | Big Data
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: التنقيب عن البيانات هي تقنية رائعة مع إمكانية كبيرة لمساعدة الشركات والمنظمات للتركيز على المعلومات الأكثر أهمية في البيانات التي جمعتها حول سلوك زبائنها والزبائن المحتمل انضمامهم. فهي تكتشف البيانات التي داخل المعلومات والتي لا تستطيع الاستعلامات والتقارير التقليدية أن تبينها. بشكل عام، التنقيب عن البيانات هي عملية تحليل للبيانات من مختلف وجهات النظر وتلخيصها إلى معلومات مفيدة - معلومات يمكن استخدامها لزيادة الإيرادات أو خفض التكاليف أو كلاهما. تنقيب البيانات يسمح للمستخدمين بتحليل البيانات من مختلف المديات أو الزوايا، وتصنيفها، وتلخيص العلاقات التعريفية. هناك أربع تقنيات للتنقيب عن البيانات: 1) التصنيف والانحدار، 2) العنقدة، 3) التنقيب في قوانين الارتباط، 4) الكشف عن الحالات الشاذة. أدى الاهتمام بمبدأ السرعة للبيانات الضخمة مؤخراً إلى جذب الكثير من الإيرادات في منطقة البحث من خلال التأثير المهم لهذا المبدأ على البيانات غالباً في كل قسم من أقسام الحياة؛ مثل الرعاية الصحية، سوق الأسهم، شبكات التواصل الاجتماعي، إلى أخرة. كثير من البحوث قامت بتحقيق مبدأ السرعة هذا من خلال التنقيب عن البيانات المتدفقة. أغلب بحوث التنقيب عن البيانات المتدفقة في الوقت الحالي تركز على تكييف الأصناف الرئيسة من الطرائق والخوارزميات والتقنيات المستخدمة للبيانات الثابتة للتعامل مع البيانات المتغيرة. هذا البحث يراجع بشكل واسع الأدبيات الحالية الموجودة في حقل التنقيب عن البيانات المتدفقة ويعرف وحدات العمليات الأساسية الموجودة وراء مختلف الخوارزميات الحالية. بحث المراجعة هذا مفيد ليس فقط للباحثين في تطوير أفكار بحثية قوية وإيجاد الثغرات في هذا الحقل بل كذلك يساعد المساهمين في حقل التنقيب عن البيانات المتدفقة وتطبيقات البيانات الضخمة.

Data mining (DM) is an amazing developing with incredible chances to advantage institutions centre of main data of information accumulated of conduct their customer and expected customer. DM identified data included in information which questions and summaries cannot viably discover. DM is a straight way to examining data of periodic data records and summing up in useful information - information could be used in expand outputs, reduction costs, or both. DM allows clients to verify data of various measurements or points, classify it, and sum up the connections recognized. There are four types of DM: 1) Classification and regression, 2) Clustering, 3) Association Rule Mining, and 4) Outlier/Anomaly Detection. Tending to the velocity part of Big Data (BD) has as of late pulled in a lot of revenue in the investigation local area because of its critical effect on information from pretty much every area of life like medical services, financial exchange, and interpersonal organizations, and so on. A lot of paper works verified the velocity challenge via stream mining data. The majority of streaming mining data articles centres around adjusting primary classifications of algorithms, methods and techniques of classic information to the modified information circumstance. This research explores widely the latest literature of mining stream data field recognizes the essential ready nodes supporting variance founded methods. This study not simply benefits examiner to make strong assessment subjects and separate gaps in the field yet moreover helps specialists for DM and BD application structure headway.

ISSN: 1812-125X

عناصر مشابهة