Scribd Logo
Carregar

Bem-vindo(a) ao Scribd!

  • 21 visualizações

    Tese 1

    Enviado por

    Digo Juxemn
    1) O documento discute vários tópicos relacionados à mineração de dados e mineração web, incluindo as diferenças entre os dados estruturados e semi-estruturados usados em cada abordagem. 2) A mineração de dados é aplicada a bancos de dados estruturados para descobrir padrões, enquanto a mineração web se aplica a dados semi-estruturados da Web para extrair informações. 3) A mineração web lida com grande quantidade de dados públicos e não estruturados da Web, ao contr

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PPTX, PDF, TXT ou leia online no Scribd

    Tese 1

    Enviado por

    Digo Juxemn
    21 visualizações10 páginas
    1) O documento discute vários tópicos relacionados à mineração de dados e mineração web, incluindo as diferenças entre os dados estruturados e semi-estruturados usados em cada abordagem. 2) A mineração de dados é aplicada a bancos de dados estruturados para descobrir padrões, enquanto a mineração web se aplica a dados semi-estruturados da Web para extrair informações. 3) A mineração web lida com grande quantidade de dados públicos e não estruturados da Web, ao contr

    Título original

    tese 1

    Direitos autorais

    © © All Rights Reserved

    Formatos disponíveis

    PPTX, PDF, TXT ou leia online no Scribd

    Você considera este documento útil?

    Este conteúdo é inapropriado?

    1) O documento discute vários tópicos relacionados à mineração de dados e mineração web, incluindo as diferenças entre os dados estruturados e semi-estruturados usados em cada abordagem. 2) A mineração de dados é aplicada a bancos de dados estruturados para descobrir padrões, enquanto a mineração web se aplica a dados semi-estruturados da Web para extrair informações. 3) A mineração web lida com grande quantidade de dados públicos e não estruturados da Web, ao contr

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PPTX, PDF, TXT ou leia online no Scribd
    Fazer download em pptx, pdf ou txt
    21 visualizações10 páginas

    Tese 1

    Enviado por

    Digo Juxemn
    1) O documento discute vários tópicos relacionados à mineração de dados e mineração web, incluindo as diferenças entre os dados estruturados e semi-estruturados usados em cada abordagem. 2) A mineração de dados é aplicada a bancos de dados estruturados para descobrir padrões, enquanto a mineração web se aplica a dados semi-estruturados da Web para extrair informações. 3) A mineração web lida com grande quantidade de dados públicos e não estruturados da Web, ao contr

    Direitos autorais:

    © All Rights Reserved
    Baixe no formato PPTX, PDF, TXT ou leia online no Scribd
    Fazer download em pptx, pdf ou txt
    de 10

    • (“Data collect")

    • AND ("Data Science")


    • AND (“Big Data")
    • AND (“Data mining")
    • Reviews
    Data Science

    Big Data

    Data mining

    Web Mining
    Mineração de Dados Mineração web
    A mineração de dados envolve o uso de técnicas para A mineração na Web envolve a análise de registros
    encontrar estrutura subjacente e relacionamentos em de servidores da Web de um site.
    grandes quantidades de dados.
    Aplicativos comuns de mineração de dados descobrem da mesma forma descobrir padrões em dados
    padrões em dados estruturados como banco de dados. semiestruturados, como Internet
    (WWW). Resumindo : Técnicas Mineração web é
    Dados de mineração aplicadas ao WWW.
    Ele pode lidar com grande quantidade de dados. Forma/coleta grande quantidade de dados

    Ao fazer a mineração de dados de informações Para a mineração na web, os dados são públicos e
    corporativas, os dados são privados e muitas vezes raramente exigem direitos de acesso.
    requer direitos de acesso para ler.
    Uma tarefa tradicional de mineração de dados obtém processar não estruturados ou semiestruturados
    informações de um banco de dados, que fornece algum dados de páginas da Web. 
    nível de estrutura explícita.
    Kumar et al 2015
    • (“Data collect")
    • AND (“Web Mining") scholar

    • Cerca 51 resultados

    • (“collect")
    • AND (“Web Mining")
    Scopus

    • Cerca 110 resultados


    Web minings
    Critérios
    Adaptável temporal Adaptável regional Search and get it busca específica melhor robustez de busca
    Info Track x x x
    Topic Track x x x
    Summarization x x x x
    Categorization x x x x

    m Clustering
    Information vizualization
    Web Crawler x
    x x

    x x
    x
    x
    x
    x
    x
    x

    e Wrapper Generation
    Page content mining
    OEM x
    x
    x
    x
    x
    x
    x
    x

    t Top down Extraction


    Web data Extration language
    Skicat
    x x
    x
    x x
    x
    x
    x
    x

    s Color histogram Matching


    Multimidia Miner
    Shot bondary Detection
    x
    x
    x
    x
    x
    x
    Semantic Web Mining
    Mineração de texto Mineração web

    Sub-domínio da Recuperação de Informações (IR) e Sub-domínio do IR e


    Processamento de linguagem natural multimédia

    Dados de texto: formulário livre, Dados semi estruturados: hiper-links e tags html
    não estruturado e dados semiestruturado Tipo de dados multimídia: Texto, imagem, áudio, vídeo.

    Gerenciamento de conteúdo e organização da informação. Gerenciamento/mineração de conteúdo, bem como


    mineração de uso/tráfego.

    Padrões são extraídos do texto da linguagem natural em vez Os padrões são extraídos da Web e não do banco de
    de banco de dados estruturado. dados estruturado.
    Exclui
    Termos de busca Web of S Exclui
    ndo todos
    (Scholar) Science copus ndo
    os repetidos
    "Social Life Data mining 1 3
    Cycle Web Scrapping 0 0
    Assessment" Text mining 0 2
    OR "SLCA" OR textual mining
    "S-LCA" OR 0 0
    "Social LCA“ content analysis 4 7
    AND Data Science 0 0
    Big Data 4 6
    "inventory" 36 47
    E Excluind
    Termos de busca
    Web of Science Scopus xcluind o todos os
    Titulo e aBS e Key
    o repetidos
    “Data collect” OR Data mining 198 254
    “Collecting Data” AND Big Data 165 293
    Text mining 19 21
    content analysis 4 164
    Data Science 24 38
    Web Scraping 2 10
    Web Crawler 6 14
    Web Mining 2 6

    Você também pode gostar