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: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| LEADER | 05817nam a22002537a 4500 | ||
|---|---|---|---|
| 001 | 1950653 | ||
| 024 | |3 10.33899/edusj.2021.130093.1158 | ||
| 041 | |a eng | ||
| 044 | |b العراق | ||
| 100 | |a آل عبدالعزيز، عمار ظاهر ياسين طه |g Al Abd Alazeez, Ammar Thaher Yaseen |e مؤلف |9 643318 | ||
| 245 | |a Data Stream Mining between Classical and Modern Applications: |b A Review | ||
| 246 | |a تنقيب البيانات المتدفقة بين التطبيقات القديمة والحديثة: |b مقال مراجعة | ||
| 260 | |b جامعة الموصل - كلية التربية |c 2021 | ||
| 300 | |a 30 - 43 | ||
| 336 | |a بحوث ومقالات |b Article | ||
| 520 | |a 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. | ||
| 520 | |b 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. | ||
| 653 | |a علم الرياضيات |a الخوارزميات |a تكنولوجيا المعلومات |a التطبيقات الإلكترونية |a وسائل الإتصالات | ||
| 692 | |a تنقيب البيانات المتدفقة |a خوارزميات التنقيب |a البيانات الضخمة |b Data Stream Mining |b Mining Algorithms |b Big Data | ||
| 773 | |4 التربية والتعليم |6 Education & Educational Research |c 010 |e Journal of Education and Science |f Mağallaẗ al-tarbiyaẗ wa-al-ʻilm |l 005 |m مج30, ع5 |o 0168 |s مجلة التربية والعلم |v 030 |x 1812-125X | ||
| 856 | |u 0168-030-005-010.pdf | ||
| 930 | |d n |p y |q n | ||
| 995 | |a EduSearch | ||
| 999 | |c 1203717 |d 1203717 | ||
عناصر مشابهة
-
AEPRD: An Enhanced Algorithm for Predicting Results of Orthodontic Operations
بواسطة: آل عبدالعزيز، عمار ظاهر ياسين طه منشور: (2021) -
Compression And Analysis Between Classic And Modern Cache Replacement Techniques
بواسطة: Hussein, Salam A. منشور: (2018) -
Stochastic Approach of Part-Of-Speech Tagging for Classical and Modern Standard Arabic Text
بواسطة: ياسين، ختام جمال طه منشور: (2017) -
DEVELOPING AN INTELLIGENT MODEL FOR SELECTING THE APPROPRIATE DATA MINING TECHINQUES FOR A GIVEN BUSINESS APPLICATION
بواسطة: Azer, Essam Effat منشور: (2002) -
Factors Affecting the Adoption of Big Data Strategy: Empirical Study in the Ministry of Digital Economy and Entrepreneurship in Jordan
بواسطة: الطاهات، إسراء علي محمد منشور: (2021)
