مقاله یک مدل فرآیند پوسته حلزون برای کشف دانش از طریق تجزیه و تحلیل داده (2016 الزویر)

1.مقدمه

2. لزوم یک مدل فرایند KDDA

3. روش تحقیق و پیشینه مطالعه

4. مدل فرایند پوسته حلزون KDDA

4.1. فرمولاسیون مسئله (PF)

4.2. درک کسب و کار (BU)

4.3. درک داده (DU)

4.4. آماده سازی داده ها (DP)

4.5. مدل سازی

4.6. ارزیابی

4.7. استقرار (گسترش)

4.8. نگهداری

5. مطالعه موردی تشخیص رفتار ناهنجاری وسیله

5.1. فرمول بندی مسأله

5.2. درک کسب و کار (BU)

5.3. درک داده

5.4. آماده سازی داده

5.5. مدل سازی

5.6. ارزیابی

5.7. استقرار (گسترش)

5.8. نگهداری

5.9. خلاصه مطالعه موردی

6. مفاهیم و محدودیت‌های تحقیق

7. نتیجه گیری

Abstract

The rapid growth of big data environment imposes new challenges that traditional knowledge discovery and data mining process (KDDM) models are not adequately suited to address. We propose a snail shell process model for knowledge discovery via data analytics (KDDA) to address these challenges. We evaluate the utility of the KDDA process model using real-world analytic case studies at a global multi-media company. By comparing against traditional KDDM models, we demonstrate the need and relevance of the snail shell model, particularly in addressing faster turnaround and frequent model updates that characterize knowledge discovery in the big data environment. Keywords

رشد سریع محیط داده های بزرگ چالش های جدیدی تحمیل میکند که مدل های فرایند کشف دانش و داده کاوی سنتی (KDDM) برای رسیدگی به آنها، به اندازه کافی مناسب نیستند. ما یک مدل فرایند پوسته حلزون برای کشف دانش از طریق تجزیه و تحلیل داده (KDDA) برای رسیدگی به این چالش ها ارائه میکنیم. سپس مطلوبیت مدل فرایند KDDA را با استفاده از مطالعات موردی تحلیلی دنیای واقعی و در یک شرکت چند رسانه ای جهانی ارزیابی میکنیم. با مقایسه در برابر مدل های KDDM سنتی، لزوم و ارتباط مدل پوسته حلزون، به ویژه در پرداختن به چرخش سریع تر (بازگشت سریعتر سرمایه) و به روز رسانی مدل های مکرر که کشف دانش در محیط داده بزرگ را توصیف میکند، را نشان می دهیم.