دانلود کتاب Data Mining for Service
کتاب داده کاوی برای خدمات نسخه زبان اصلی
دانلود کتاب داده کاوی برای خدمات بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب Data Mining for Service
نام کتاب : Data Mining for Service
ویرایش : 1
عنوان ترجمه شده به فارسی : داده کاوی برای خدمات
سری : Studies in Big Data 3
نویسندگان : Katsutoshi Yada (auth.), Katsutoshi Yada (eds.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2014
تعداد صفحات : 291
ISBN (شابک) : 9783642452512 , 9783642452529
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 9 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
تقریباً تمام مشکلات و سیستم‌های مرتبط با سرویس‌های غیر پیش پا افتاده و مدرن شامل حجم‌ها و انواع داده‌هایی می‌شوند که به وضوح در آنچه در حال حاضر به عنوان «داده بزرگ» شناخته می‌شود، یعنی عظیم، ناهمگن، پیچیده، توزیع شده و غیره قرار می‌گیرند. /p>
داده‌کاوی مجموعه‌ای از فرآیندهاست که شامل جمع‌آوری و انباشت داده‌ها، مدل‌سازی پدیده‌ها و کشف اطلاعات جدید است و یکی از مهم‌ترین مراحل تحلیل علمی فرآیندهای خدمات است.
کاربرد داده کاوی در خدمات به جای دانش فقط در سرعت محاسبات و دقت پیش‌بینی، نیازمند درک کامل ویژگی‌های هر سرویس و دانش سازگاری فناوری داده کاوی در هر سرویس خاص است. نمونه های متنوعی از خدمات ارائه شده در این کتاب به خوانندگان کمک می کند تا رابطه بین خدمات و فناوری داده کاوی را درک کنند. این کتاب برای برانگیختن علاقه محققان و متخصصان به ارتباط بین فناوری داده کاوی و کاربرد آن در سایر زمینه ها طراحی شده است.
فهرست مطالب :
Front Matter....Pages i-viii
Front Matter....Pages 1-1
Data Mining for Service....Pages 3-10
Feature Selection Over Distributed Data Streams....Pages 11-26
Learning Hidden Markov Models Using Probabilistic Matrix Factorization....Pages 27-39
Dimensionality Reduction for Information Retrieval Using Vector Replacement of Rare Terms....Pages 41-60
Panel Data Analysis Via Variable Selection and Subject Clustering....Pages 61-76
Front Matter....Pages 77-77
A Weighted Density-Based Approach for Identifying Standardized Items that are Significantly Related to the Biological Literature....Pages 79-96
Nonnegative Tensor Factorization of Biomedical Literature for Analysis of Genomic Data....Pages 97-110
Text Mining of Business-Oriented Conversations at a Call Center....Pages 111-129
Front Matter....Pages 131-131
Scam Detection in Twitter....Pages 133-150
A Matrix Factorization Framework for Jointly Analyzing Multiple Nonnegative Data Sources....Pages 151-170
Recommendation Systems for Web 2.0 Marketing....Pages 171-196
Front Matter....Pages 197-197
Handling Imbalanced and Overlapping Classes in Smart Environments Prompting Dataset....Pages 199-219
Change Detection from Heterogeneous Data Sources....Pages 221-243
Interesting Subset Discovery and Its Application on Service Processes....Pages 245-269
Text Document Cluster Analysis Through Visualization of 3D Projections....Pages 271-291
توضیحاتی در مورد کتاب به زبان اصلی :
Virtually all nontrivial and modern service related problems and systems involve data volumes and types that clearly fall into what is presently meant as "big data", that is, are huge, heterogeneous, complex, distributed, etc.
Data mining is a series of processes which include collecting and accumulating data, modeling phenomena, and discovering new information, and it is one of the most important steps to scientific analysis of the processes of services.
Data mining application in services requires a thorough understanding of the characteristics of each service and knowledge of the compatibility of data mining technology within each particular service, rather than knowledge only in calculation speed and prediction accuracy. Varied examples of services provided in this book will help readers understand the relation between services and data mining technology. This book is intended to stimulate interest among researchers and practitioners in the relation between data mining technology and its application to other fields.