|
|
مدیریت فناوری اطلاعات، جلد ۹، شماره ۱، صفحات ۳۹-۶۰
|
|
|
| عنوان فارسی |
کاربردهای دادهکاوی متنی در حوزۀ مدیریت دانش زنجیرۀ خدمات دولت الکترونیکی |
|
| چکیده فارسی مقاله |
سیستمهای مدیریت دانش، کیفیت و بازدهی دانش استفاده‌شده در فرایند تصمیمگیری را بهبود می‌بخشند. حدود 80 درصد اطلاعات سازمانها در فرمتهای متنی هستند؛ به همین علت متنکاوی آن هم در حوزۀ مدیریت دانش زنجیرۀ خدمات، بسیار مفید و با‌اهمیت است. به‌طور مثال، یکی از کاربردهای مهم متنکاوی به‌منظور مدیریت منابع روی خط اسناد دیجیتال و تجزیه و تحلیل اسناد درون‌سازمانی به‌کار برده میشود. پژوهش حاضر به اسناد و مدارک مبتنی بر متن اختصاص دارد که براساس ارسال نظرها، فرمهای اطلاعات متنی و پرسشنامههای مبتنی بر روش تئوری زمینهای تدوین شده است. در نخستین گام تحقیق، تکنیکهای خوشهبندی به اجرا درآمد و در گام دوم، تکنیک قوانین انجمنی Apriori به‌منظور کشف و استخراج مفیدترین قوانین انجمنی اعمال شد. به‌بیانی، بر یکپارچهسازی تکنیکهای دادهکاوی متنی برای بهبود دقت ردهبندی تأکید شده است. در کلاسه‌بندی مستندات با استفاده از تکنیک درخت تصمیم به کلاسهای مربوط به آن، دقت کلاسه‌بندی کاهش یافت، اما استفاده از روش ارائه‌شده در این تحقیق، بهبود شایان توجهی در دقت ردهبندی ایجاد کرد. |
|
| کلیدواژه‌های فارسی مقاله |
دادهکاوی متنی، دولت الکترونیکی، زنجیرۀ خدمات، مدیریت دانش، |
|
| عنوان انگلیسی |
Textual Data Mining Applications in the Service Chain Knowledge Management of e-Government |
|
| چکیده انگلیسی مقاله |
Systems related to knowledge management can improve quality and efficiency of knowledge used for decision making process. Approximately 80 percent of corporate information are in textual data formats. That is why text mining is useful and important in service chain knowledge management. For example, one of the most important applications of text mining is in managing on-line source of digital documents and the analysis of internal documents. This research is based on text-based documents and textual information and interviews processed by Grounded theory. In this research clustering techniques were applied at first step. In the second step, Apriori association rules techniques for discovering and extracting the most useful association rules were applied. In other words, integration of datamining techniques was emphasized to improve the accuracy and precision of classification. Using decision tree technique for classification may result in reducing classification precision. But, the proposed method showed a significant improvement in classification precision. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
جلال رضایی نور |
دانشیار گروه مهندسی صنایع، دانشکدۀ فنی و مهندسی، دانشگاه قم، قم، ایران
سازمان اصلی تایید شده: دانشگاه قم (Qom university)
محمدرضا شیخ بهایی | mohammad reza
کارشناس ارشد مهندسی فناوری اطلاعات، دانشکدۀ فنی و مهندسی، دانشگاه قم، قم، ایران
سازمان اصلی تایید شده: دانشگاه قم (Qom university)
|
|
| نشانی اینترنتی |
http://jitm.ut.ac.ir/article_60679_9eda52574ff189b6b7118a2a51292ce0.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-386277.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|