دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: شبکه سازی: اینترنت ویرایش: 1 نویسندگان: Ed H. Chi, Adam Rosien, Jeffrey Heer (auth.), Osmar R. Zaïane, Jaideep Srivastava, Myra Spiliopoulou, Brij Masand (eds.) سری: Lecture Notes in Computer Science 2703 : Lecture Notes in Artificial Intelligence ISBN (شابک) : 3540203044, 9783540203049 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2003 تعداد صفحات: 189 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب WEBKDD 2002 - داده های معدن اینترنتی برای کشف الگوها و پروفیل های کاربردی: چهارمین کارگاه بین المللی، ادمونتون، کانادا، 23 جولای 2002. مقالات بازنگری شده: هوش مصنوعی (شامل رباتیک)، شبکه های ارتباطی کامپیوتری، مدیریت پایگاه داده، ذخیره سازی و بازیابی اطلاعات، برنامه های کاربردی سیستم های اطلاعاتی (شامل اینترنت)، کامپیوتر و جامعه
در صورت تبدیل فایل کتاب WEBKDD 2002 - Mining Web Data for Discovering Usage Patterns and Profiles: 4th International Workshop, Edmonton, Canada, July 23, 2002. Revised Papers به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب WEBKDD 2002 - داده های معدن اینترنتی برای کشف الگوها و پروفیل های کاربردی: چهارمین کارگاه بین المللی، ادمونتون، کانادا، 23 جولای 2002. مقالات بازنگری شده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
1 WorkshopTheme داده کاوی به عنوان یک رشته با هدف مرتبط کردن تجزیه و تحلیل مقادیر زیادی از داده های کاربر برای روشن کردن سوالات کلیدی کسب و کار است. به طور خاص، استفاده از وب کاوی، یک رشته نسبتاً جوان، روشها و تکنیکهایی را بررسی میکند که - چالشهای منحصربهفرد کشف بینش از دادههای استفاده از وب، با هدف ارزیابی قابلیت استفاده از وب، درک علایق و انتظارات کاربران و ارزیابی مؤثر بودن ارائه محتوا. وب در حال رشد و توسعه یک نیروی محرکه کلیدی در رشد سریع تجارت الکترونیک و کانالی جدید برای ارائه دهندگان محتوا است. کارها و محتوای سفارشی شده، که با دانش کشف شده در مورد مشتری امکان پذیر شده است، برای ایجاد راه حل های تجارت الکترونیک قابل دوام و ارائه محتوای پایدار و موثر در حوزه های غیرتجاری اساسی هستند. گزارشهای وب غنی دادههایی را در مورد بازدیدکنندگان آنلاین و مشتریان بالقوه خود در اختیار شرکتها قرار میدهند و امکان تقسیمبندی خرد و تعاملات شخصی را فراهم میکنند. در حالی که وبکاوی بهعنوان یک دامنه چندین سال قدمت دارد، چالشهایی که تجزیه و تحلیل دادهها در این زمینه را مشخص میکند همچنان بسیار زیاد است. اگرچه پردازش دادههای p به طور معمول بخش عمدهای از e?ort در دادهکاوی را به خود اختصاص میدهد، دادههای استفاده از وب چالشهای بیشتری را بر اساس مشکلات تخصیص جریانهای داده به کاربران منحصربهفرد و ردیابی آنها در طول زمان ایجاد میکند. نوآوری های جدید برای بازسازی قابل اعتماد جلسات، تعیین شباهت و تفاوت بین جلسات، و برای اینکه بتوان کاربران آنلاین را به گروه های مرتبط تقسیم کرد، مورد نیاز است.
1 WorkshopTheme Data mining as a discipline aims to relate the analysis of large amounts of user data to shed light on key business questions. Web usage mining in particular, a relatively young discipline, investigates methodologies and techniques that - dress the unique challenges of discovering insights from Web usage data, aiming toevaluateWebusability,understandtheinterestsandexpectationsofusersand assess the e?ectiveness of content delivery. The maturing and expanding Web presents a key driving force in the rapid growth of electronic commerce and a new channel for content providers. Customized o?ers and content, made possible by discovered knowledge about the customer, are fundamental for the establi- ment of viable e-commerce solutions and sustained and e?ective content delivery in noncommercial domains. Rich Web logs provide companies with data about their online visitors and prospective customers, allowing microsegmentation and personalized interactions. While Web mining as a domain is several years old, the challenges that characterize data analysis in this area continue to be formidable. Though p- processing data routinely takes up a major part of the e?ort in data mining, Web usage data presents further challenges based on the di?culties of assigning data streams to unique users and tracking them over time. New innovations are required to reliably reconstruct sessions, to ascertain similarity and di?erences between sessions, and to be able to segment online users into relevant groups.
Front Matter....Pages -
LumberJack: Intelligent Discovery and Analysis of Web User Traffic Composition....Pages 1-16
Mining eBay: Bidding Strategies and Shill Detection....Pages 17-34
Automatic Categorization of Web Pages and User Clustering with Mixtures of Hidden Markov Models....Pages 35-49
Web Usage Mining by Means of Multidimensional Sequence Alignment Methods....Pages 50-65
A Customizable Behavior Model for Temporal Prediction of Web User Sequences....Pages 66-85
Coping with Sparsity in a Recommender System....Pages 86-99
On the Use of Constrained Associations for Web Log Mining....Pages 100-118
Mining WWW Access Sequence by Matrix Clustering....Pages 119-136
Comparing Two Recommender Algorithms with the Help of Recommendations by Peers....Pages 137-158
The Impact of Site Structure and User Environment on Session Reconstruction in Web Usage Analysis....Pages 159-179
Back Matter....Pages -