دانلود مقاله ترجمه شده خوشه‌بندی جریان‌های داده‌ای متنی- یک روش درختی با تابع سه‌تایی و بردار ویژگی سه‌تایی

چکیده

دیتا یا داده‌ها را می‌توان یکی از عناصر اصلی در  تکنیک داده‌کاوی در نظر گرفت.  با توجه به حجم داده‌ای وسیع داده‌های آنلاین که از به‌وسیله‌ی حسگرها، چت‌های اینترنتی، توییتر، فیس‌بوک، بانک آنلاین و یا تراکنش‌های ATM ایجاد می‌شود،  محدودیت اصلی دریافتن الگوهای مکرر در جریان‌های داده‌ای این بوده که فقط یک‌بار باید اسکن داده‌ها را  با حافظه‌ی محدود و زمان پردازشی کم انجام  دهیم. مفهوم تغییر پویای داده‌ها به یک چالش کلیدی تبدیل‌شده است که ما آن را جریان‌های داده‌ای  نام‌گذاری می‌کنیم. در این مقاله قصد داریم الگوریتمی را بر مبنای یافتن الگوهای مکرر در جریان‌های داده‌ای و با استفاده از یک روش درختی ارائه دهیم و جریان‌های داده‌ای متنی که به‌وسیله‌ی مقیاس تشابه سه‌تایی ایجادشده‌اند را مورد خوشه‌بندی قرار دهیم.

داده‌کاوی را می‌توان یک روش کشف دانش دانست که برای یافتن اطلاعات و الگوهای مخفی در داده‌های موجود کاربرد دارد. تفاوت بین داده‌های موجود در پایگاه داده و یک انبار داده‌ای این بوده که در یک پایگاه داده، داده‌ها به‌صورت ساختاربندی قرارگرفته‌اند درحالی‌که در انبار داده‌ای، داده‌ها ممکن است/نیست ساختاربندی شده نباشند. ساختار داده‌ها ممکن است برای سازگاری آن‌ها در جهت پردازش تعریف شود...