مقالات اموزشی کامپیوتر

نام دامنه نام وب سایت شماست. نام دامنه آدرسی است که کاربران اینترنت میتوانند به وبسایت شما دسترسی پیدا کنند. نام دامنه برای پیدا کردن و شناسایی رایانه ها در اینترنت استفاده می شود. کامپیوترها از آدرس های IP استفاده می کنند که یک سری از آنهاست. با این حال، انسانها دشوار است که رشته اعداد را به خاطر بسپارند. به همین دلیل، نام دامنه به جای استفاده از آدرس های IP، برای شناسایی اشخاص در اینترنت مورد استفاده قرار گرفت.

نام دامنه می تواند هر ترکیبی از حروف و اعداد باشد و می توان آن را در ترکیب از پسوند نام دامنه مختلف مانند .com، .net و بیشتر استفاده کرد.

نام دامنه باید قبل از اینکه بتوانید از آن استفاده کنید، ثبت نام کنید. هر نام دامنه منحصر به فرد است. هیچ دو وبسایت نمیتواند همان نام دامنه را داشته باشد. اگر کسی در www.yourdomain.com تایپ کند، آن را به وب سایت خود و هیچ کس دیگر

برای ثبت دامین و طراحی وبسایت اینجا کلیک کنید.

كل عمليات تكنيكي انتقال داده ها در شبكه به مراحل سينماتيك مجزايي تقسيم مي شوند در هر مرحله برخي اعمال كه نمي توانند در هيچ مرحله ديگري رخ دهند بوقوع مي پيوندند هر مرحله قوانين وروالها يعني پروتكل متعلق به خودرا دارد.

مراحل بايد به ترتيب سازگار با همان مراحل در هركامپيوترشبكه انجام شونددر كامپيوتر فرسنده اين مراحل بايد از بالا به پايين انجام گيرند.در دستگاه گيرنده اين مراحل بايد از پايين به بالا انجام شوند.

كامپيوتر فرستنده:

در كامپيوتر فرستنده پروتكل:

1-داده هارا به قسمتهاي كوچكتري بنام بسته ها تقسيم مي كنند كه پروتكل مي تواند اداره نمايد.

2-اطلاعات آدرسدهي را به بسته ها مي افزايد بطوريكه كامپيوترمقصد در شبكه متوجه مي شود كه داده هامتعلق به اوست.

3-داده هارا براي انتقال حقيقي ازطريق كارت آداپتورشبكه قرار ميدهد.

كامپيوتر گيرنده:

در كامپيوتر گيرنده پروتكل همان سري مراحل فوق را به ترتيب عكس انجام مي‌دهد. كامپيوترگيرنده:

1-بسته هاي داده اي را از كابل مي گيرد.

2-بسته هاي داده اي را ازطريق كارت آداپتور شبكه به كامپيوتر وارد مي كند.

3-تمام اطلاعات انتقالي كه بوسيله كامپيوتر فرستنده اضافه شده است را از بسته‌هاي داده‌اي جدا مي‌كند.

4-داده ها را به منظور اسمبل كردن مجدد از بسته هادر بافر كپي مي نمايد.

هر دو كامپيوتر فرستنده و گيرنده نياز به انجام هر مرحله با روش يكساني دارند بطوريكه وقتي داده‌ها دريافت ميشوند همان داده هاي ارسالي باشند. مثلاً دو پروتكل مي توانند دو داده را به بسته‌هاتقسيم نمايند و در مراحل مختلف اطلاعات بررسي خطا و زمان بندي را اضافه نمايند ولي هر يك از آنها اينكار را به طور متفاوتي انجام مي دهد .

بنابراين كامپيوتري كه از يكي از اين پروتكل ها استفاده مي كند نمي تواند باكامپيوتري كه از پروتكل ديگري استفاده مي نمايد بطور موفقيت آميزي ارتباط برقرار نمايد.

مجموعه اي از مقررات يا قراردادها كه تبادل اطلاعات ميان سيستمهاي كامپيوتري را كنترل وهدايت مي‌كنند .

پروتكل ها مجموعه قوائدي هستند كه نحوه ارتباط بين كامپيوترها را تعريف مي كنند . شكل دهي ، زمان بندي ، مرتب سازي اطلاعات و كنترل خطا همگي به عهده پروتكل هاست و بدون آنها ارتباط بين دو كامپيوتر مشكل و بعضي اوقات غير ممكن خواهد بود .

پروتكل نرم افزاري است كه در حافظه كامپيوتر يا در حافظه كارت واسط شبكه قرار مي گيرد و هنگام آمادگي داده براي ارسال اجرا مي شود در سمت گيرنده پروتكل داده ها را از روي محيط انتقال بر مي دارد و آنها را به صورت قابل فهم براي كامپيوتر مقصد در مي آورد بنابراين پروتكل ها در حقيقت چيزي نيستند جز نرم افزار هايي كه عمليات انتقال اطلاعات اجرا مي كنند .

يكي از موضوعات مهم كه در محدوده انتقال اطلاعات و شبكه هاي كامپيوتري مطرح است مسئله پروتكل ها يا استاندارد ها است كه تحت عنوان معماري شبكه از آنها ياد مي شود در گذشته نظر به گوناگوني كامپيوتر ها و نرم افزار هاي سيستم اتصال كامپيوتر هاي گوناگون با مشكل روبرو مي كرد بدين منظور شركتها و موسسات جهاني استاندارد به فكر طراحي ساختاري براي همگن نمودن روشهاي اتصال افتادند كه در اين از سوي شركت اي .بي. ام IBM ( INTENATIONAL  BUSINES  MACHINES  ) استاندارد SNA(  SYSTEM  NET WORKING   ARCHITECTURE ) عرضه شد هدف (  IBM  ) امكان سازگاري بين دستگاههاي مختلف اين شركت و ارائه يك شيوه  دستيابي استاندارد براي كليه كاربران در يك مجموعه شبكه اي بود بعدها نيز طرحي از روي شركت DEC   (DIGITAL  - EQUIPMENT  - CORPORATIAN ) بنام DECNET عرضه گرديد .

در نهايت بمنظور استاندارد نمودن اين معماري ها و ساختارها كه كم وبيش از سوي سازمانهاي گوناگون طراحي مي گرديد موسسه جهاني استانداردهاISO  (INTERNATION  - STANDARD  - ORGANIZATION ) مدلي بنام OSI (  OPEN – SYSTEM – INTERCONNECTION )را عنوان كرد كه با استقبال و استفاده ساير توليدكنندگان مواجه شد .

بطور كلي پروتكل‌ها را به صورت لايه‌اي  (  LAYER  ) ساخته ولايه وظيفه ويژه اي را بر روي پيامي كه قرار است ارسال شود انجام مي‌دهد و معمولاً هر لايه خدمات معيني را لايه پس از خود ارائه مي‌كند بطور خلاصه معماري OSI را مي توان چنين تعريف كرد.

(( اگر لايه اي از يك سيستم بخواهد با لايه همنام خود از سيستم ديگري تماس حاصل كند مجموعه قوانين و مقرراتي كه اين تماس را رهبري و هدايت مي كند يك پروتكل و از سوي ديگر رابطه بين دو لايه پياپي را ميانجي (  INTERFACE  ) گويند .))

       بسياري ازسازمانها كامپيوترهايي دارند كه اغلب دور از يكديگرند.به عنوان مثال موسسه‌اي با كارخانه هاي بسيار ممكن است در هر كارخانه كامپيوتري داشته باشد كه اين كامپيوترها مستقل از يكديگر كار كنند اما امكان دارد مديريت در مقطعي از زمان تصميم بگيرد آنها را به هم متصل كنند تا قادر به استخراج وارتباط اطلاعات كل موسسه باشد.

به بيان كلي‌تر مسئله در اينجا اشتراك منابع است و هدف فراهم كردن برنامه ها تجهيزات و بخصوص داده ها براي افراد موجود در شبكه بدون در نظر گرفتن محل فيزيكي منابع و كاربران است به عبارت ديگر كاربري كه 1000 كيلو متر از داده هاي خود دور باشد نبايد از بكارگيري داده هاي خود محروم گردد.

اين هدف ممكن است با اين جمله خلاصه شود كه اشتراك منابع كوششي در جهت حذف محدوديتهاي جغرافيايي است.

هدف سوّم فراهم كردن قابليت اعتماد بالا با داشتن منابع متعدد است به عنوان مثال تمام فايلها مي‌توانند برروي دو يا سه ماشين كپي شوند بنابراين اگر يكي از آنها به دليل سخت افزاري قابل استفاده نباشد مي توان از ديگري استفاده كرد. علاوه براين مزيت وجود چند پردازشگر مركزي اين است كه اگريكي از آنها از رده خارج شود امكان دارد پردازشگر ديگري وظيفه آنرا انجام دهد (گرچه با كارآيي كمتر) .براي كاربردهاي نظامي ,بانكداري ,كنترل ترافيك هوايي,امنيت راكتور اتمي وبسياري از كاربرد هاي ديگر ,توانايي ادامه عمليات در مواجهه با مشكلات سخت افزاري بسيار مهم است.هدف ديگر كاهش هزينه هاست.در كامپيوترهاي كوچك نسبت قيمت به كارآيي بهتر از كامپيوترهاي بزرگ است كامپيوترهاي بزرگ ده برابر سريعتر از كامپيوتر هاي شخصي اند ولي قيمت آنها هزار برابربيشتر است اين عدم توازن موجب شد تا طراحان سيستم ,سيستمهايي از چند كامپيوتر شخصي بسازندكه هر كدام يك كامپيوتر داشته باشند و داده ها بر روي يك يا چند ماشين كارگزار فايل(fileserver)نگهداري شوند در اين مدل ,كاربران , مشتري ناميده مي شوند و كل سيستم مدل مشتري_ كارگزار نام دارد

در مدل مشتري_ كارگزار, مشتري براي انجام كاري پيامي به كارگزار مي‌فرستد و ارتباط برقرار مي‌شود و به مشتري پاسخ مي دهد. معمولاً تعداد زيادي از مشتريها از تعداد اندكي از كارگزار ها استفاده مي كنند.هدف ديگر شبكه قابليت افزايش كارايي سيستم با رشد بار كاري آن است كه با افزودن پردازشگرهاي بيشتر انجام ميشود در كامپيوترهاي بزرگ متمركز وقتي كه بارسيستم زياد ميشود بايد آن راباسيستم ديگري جايگزين كرد دراينصورت كاربران با مشكلات زيادي مواجه ميشوند .

هدف ديگرشبكه كامپيوتري به تكنولوژي وابسته است.شبكه كامپيوتري مي تواند رسانه ارتباطي قدرتمندي بين افراد دورازهم فراهم آورد.با استفاده از شبكه دو شخصي كه ازهم دور هستند به راحتي مي توانند با هم گزارشي تهيه كنند . وقتي يكي از كاركنان در سندي تغييري ايجاد كرد ديگري مي تواند فوراً اين تغييرات را مشاهده كند .اين افزايش سرعت همكاري افراد دور از هم را فراهم مي آورد اين كار قبلاً امكان پذير نبوده است احتمالاً در بلند مدت استفاده از شبكه براي ارتباط انسان باانسان مهمتر از اهداف تكنيكي مثل قابليت اعتماد است

به ارتباط سيسستم هاي كامپيوتري با دستگاههاي جانبي توسط كانالهاي ارتباطي در مكانهاي مختلف كه مي توانند داده ها را در صورت لزوم مبادله نمايند ، شبكه مي گويند . يكي از مهمترين مزاياي شبكه در ، اختيارگذاشتن منابع سخت افزاري و نرم افزاري شبكه بين كاربران شبكه مي‌باشد . مثلاً در صورتي كه منابع سخت افزاري گران قيمت از قبيل چاپگرهاي سريع ، پلاتر ها يا گرداننده هاي ديسك سخت در شبكه موجود باشند ، كليه كاربران امكان بهره برداري از اين منابع را خواهندداشت ،درست مانند اينكه خودشان اين دستگاهها را دارا مي باشند ، حال آنكه ممكن است عملاً از آن منابع سخت افزاري فاصله زيادي داشته باشند در مورد منابع نرم افزاري حجيم كه به فضاي زيادي از حافظه نياز دارند و به عنوان مثال مورد نياز واحدهاي مختلف يك موسسه مي‌باشند ، اگر اين واحدها به صورت شبكه متصل شده باشند ،معمولاً نيازي نيست كه حافظه هر كامپيوتر تمام اين نرم افزار را نگه دارد بلكه مي توان اين نرم افزار حجيم را تقسيم وهر قسمت را در يكي از كامپيوترهاي متصل به شبكه قرار داد و چون همه عضاي شبكه امكان استفاده از منابع نرم افزاري رادارند عملآ تمام نرم افزاردر اختيار آنها ست همچنين هر عضوشبكه مي تواند در صورت لزوم برنامه هاي حجيم تر خودرا برروي كامپيوترهاي قويتر شبكه اجرا كند.علاوه براين هر كاربر مي تواند به تنهايي و مستقل از ساير اعضاي شبكه از كامپيوتر خود استفاده كند, همچنين مي تواند اطلاعاتي را براي اعضاي ديگر شبكه بفرستد يا اطلاعاتي را از بقيه اعضا دريافت كند به طور خلاصه مي توان گفت در صورتي كه چندين كامپيوتر با يكديگر به صورت شبكه درآيند مي توان قابليت هاي بسيار بالاتري نسبت به يك كامپيوتر تنها بدست آورد وافزايش اعضاي شبكه مي توان اين امكانات را به ميزان دلخواه گسترش داد با ايجاد شبكه ها از محبو بيت كامپيوتر هاي بزرگ وگران قيمت كاسته شد زيرا اين شبكه ها به ويژه با اتصال تعداد زيادي ميكرو كامپيوتر خيلي ارزان قادر به انجام بسياري از كارهاي مورد نظر شدند

انگيزه هاي مطرح شده براي ساختن شبكه هاي كامپيوتري ذاتاً اقتصادي و تكنولوژيكي است  اگر كامپيوتر هاي بزرگ و قدرتمند با قيمتهاي مناسب وجود داشته باشد اغلب موسسه‌ها آنها راانتخاب كرده و داده ها را بر روي آنها ذخيره مي كنند و پايانه هايي در اختيار كاركنان قرار مي‌دهند تا با آن ارتباط داشته باشند در دهه1970 و آوريل دهه1980 اغلب موسسه ها به اين روش  عمل مي كردند شبكه هاي كامپيوترهاي وقتي عموميت يافتند كه در شبكه هاي كامپيوتر هاي شخصي نسبت قيمت به كارايي به مراتب بيشتر از كامپيوترهاي بزرگ گرديده است .

در آغاز دهه 1990 شبكه هاي كامپيوتري به افراد خصوصي در خانه هاي آنها خدمات مي دادند اين خدمات و انگيزه هاي به كار گيري آنها كاملاً با مدل كارايي مشترك كه در بخش قبلي تشريح شد متفاوت است در ادامه سه نوع خدمات را مطرح مي‌كنيم :

1-دست يابي به اطلاعات از راه دور

2- ارتباط شخص با شخص

3- سر گرمي محاوره‌اي       

دستيابي به اطلاعات راه دور به شكلهاي گوناگوني انجام مي‌شود يكي از اين موارد دستيابي به موسسه هاي مالي است بسياري از مردم به طور الكترونيكي صورت حسابهاي خود را پرداخت كرده حسابهاي بانكي را مديريت كرده و سرمايه گذاري خود را كنترل مي كنند خريد خانه با استفاده از كاتالوگ هاي هزاران موسسه به طور on-line انجام مي شوند روزنامه ها به سمت on-line شخصي شدن پيش مي روند مطالب روزنامه را به طور انتخابي برگزيد مثلاً برنامه ها ي سياسي آتش سوزي هاي بزرگ و مانند را در روزنامه گنجانده و برنامه ورزشي مثل فوتبال را از آن حذف كرد شب هنگام وقتي در خواب به سر مي بريد روزنامه بر روي  ديسكت  كامپيوتر تان كپي شده و يا بر روي چاپگرليزري شما چاپ مي شود .

 كاربرد ديگري از اين دسته دستيابي به سيستمهاي اطلاعاتي مثل شبكه جهاني است كه حاوي اطلاعاتي راجع به هنر تجارت آشپزي هيئت دولت بهداشت تاريخ سرگرمي تفريح علم ورزش مسافرت و موضوعات بسيار ديگر است .

تمام اين كاربرد ها به صورت محاورهاي بين شخص و بانك اطلاعاتي راه دور وجود دارد . دسته ديگري از كاربرد شبكه بر همكنش شخص با شخص است پست الكترونيكي  (emil)اكنون به طور گسترده توسط ميليونها انسان مورد استفاده قرار گرفته و بزودي همانند متن حاوي صوت و تصوير خواهد شد . با پست الكترونيكي بلادرنگ كاربران مي توانند بدون هيچ گونه تأخيري با يكديگر ارتباط برقرار كنند (از طريق صوت و تصوير ) . اين تكنولوژي موجب مي شود تا امكان همايش مجازي كه همايش ويديو يي ناميده مي شود بين افراد دور از هم فراهم گردد گاهي مي توان گفت كه حمل ونقل و ارتباط با هم در حال مسابقه اند . و هر كدام برنده شود ديگري را كنار مي زند همايش هاي مجازي براي مدرسه راه دور و اخذ ايده هاي پزشكي از متخصصين راه دور و هزاران كاربرد ديگر به كار مي رود

دسته سوم سرگرمي است كه صنعتي وسيع در حال رشد است كار برد مهم در اينجا فيلمهاي ويديويي در خواستي است از اين پس مي توان هر فيلم يا هر برنامه تلويزيوني از هر كشوري را انتخاب كرد تا بلا فاصله بر روي صفحه نمايش ظاهر شود . فيلمهاي جديد ممكن است محاوره اي شوند بطوري كه افراد براحتي بتوانند با گردانندگان ارتباط برقرار كنند تلويزيون نيز ممكن است محاوره اي گردد بطوري كه شنوندگان در نمايش طنز شركت داشته و در انتخاب بين رقيبهاي مختلف نقش داشته باشد و غيره

به طور خلاصه بايد گفت كه توانايي ادغام اطلاعات ارتباط و سرگرمي منجر به صنعت جديدي بر مبناي شبكه‌هاي كامپيوتري مي شود

1-3 : انواع شبكه

1 - شبكه هاي سطحي محلي يا               LAN : (LOCAL  AREA NETWORK )                                                    

2-  شبكه هاي سطحي گسترده يا AREA NETWORK  )                                                WIDE:(WAN

3-شبكه هاي شهري                                       MAN : ( METROPOLITAN  AREA   NETWORK )

وب کاوی کاربردی از تکنيکهای داده کاوی است که به صورت خودکار اطلاعات را از مستندات وب و سرويسها استخراج و کشف می کند. وب کاوی اغلب به بازيابی و استخراج اطلاعات وابسته است، در حاليکه کشف اطلاعات يا وب کاوی بازيابی و استخراج اطلاعات نيست. هسته اصلی موتورهای جستجو از  معماری سيستم های بازيابی اطلاعات سرچشمه می گيرد. ماهيت پويای اطلاعات در شبکه وب باعث ايجاد تغييرات اساسی در ساختار اوليه در موتورهای جستجو شده است. در سيستم های بازيابی اطلاعات، اسناد و مدارک توسط اشخاص جمع آوری می شدند و در اختيار سيستم قرار می گرفتند، در حالی که در موتورهای جستجو وظيفه جمع آوری اطلاعات به عهده خود موتور جستجو است.

علاوه بر آن به علت تغييرات صفحات وب، موتور جستجو وظيفه به روزرسانی اطلاعات جمع آوری شده را نيز خواهد داشت. يکی از مهمترين مسائل در طراحی موتورهای جستجو مساله کارائی و بازده بالای موتور جستجو است. حجم بالای اطلاعات موجود در شبکه وب و تغييرات سريع اطلاعات در اين شبکه (از قبيل اضافه شدن صفحات جديد، حذف شدن برخی از صفحات و تغير محتويات صفحات) حساسيت اين امر را بسيار زياد می کند. به عنوان مثال سرعت جمع آوری و سازماندهی اسناد در پايگاه دانش موتور جستجو، بايد بيشتر از نرخ تغييرات شبکه وب باشد. دراين مقاله به بررسی ساختار وب کاویپرداخته می شود.

3-2 مراحل وب کاوي

وب کاوي شامل چهار مرحله اصلي مي باشد:

1.   پيدا کردن منبع: اين مرحله شامل بازيابي اسناد وب مورد نظر مي باشد.

2.   انتخاب اطلاعات و پيش پردازش: در اين مرحله به صورت خودکار اطلاعات خاصي از اسناد بازيابي شده، انتخاب و پيش پردازش مي شوند.

3.   تعميم[1]: در اين مرحله به صورت خودکار الگوهاي عام در يک يا چندين سايت وب کشف مي شود.

4.   تحليل: در اين مرحله الگوهاي به دست آمده در مرحله قبل اعتبار سنجي[2]  و تفسير مي شوند.

داده کاوی فقط یک ابزار است و نه یک عصای جادویی. داده کاوی به این معنی نیست که شما راحت به کناری بنشینید و ابزارهای داده کاوی همه کار را  انجام دهد.

داده کاوی نیاز به شناخت داده ها و ابزارهای تحلیل و افراد خبره در این زمینه ها  را از بین نمی برد.

داده کاوی فقط به تحلیلگران برای پیدا کردن الگوها و روابط بین داده ها کمک می کند و در این مورد نیز روابطی که یافته می شود باید به وسیله داده های واقعی دوباره بررسی و تست گردد.

تحلیل داده ها یکی از روش های توصیف داده هاست که به کمک آن داده ها را بررسی کرده و روابط بین مقادیر موجود در بانک اطلاعاتی را کشف می کنیم.از مهمترین راههای تحلیل لینک کشف وابستگی و کشف ترتیب می باشد.

منظور از کشف وابستگی یافتن قوانینی در مورد مورادی است که با هم اتفاق می افتند مثلا اجناسی که در یک فروشگاه احتمال خرید همزمان آنها زیاد است.

کشف ترتیب نیر بسیار مشابه می باشد ولی پارامتر زمان نیز در آن دخیل می باشد.

وابستگی ها به صورت A->B  نمایش داده می شوند که به A  مقدم و به B موخر یا نتیجه گفته می‌شود.مثلا اگر یک قانون به صورت زیر داشته باشیم :

" اگر افراد چکش بخرند آنگاه آنها میخ خواهند خرید “

در این قانون مقدم خرید چکش و نتیجه خرید میخ می باشد.

ریشه های داده کاوی در میان سه خانواده از علوم، قابل پیگیری می باشد مهمترین این خانواده ها، آمار کلاسیک می باشد. بدون آمار، هیچ داده کاوی وجود نخواهد داشت، بطوریکه آمار، اساس اغلب تکنولوژی هایی می باشد که داده کاوی بر روی آنها بنا می شود. آمار کلاسیک مفاهیمی مانند تحلیل رگرسیون، توزیع استاندارد، انحراف استاندارد، واریانس، تحلیل خوشه، و فاصله های اطمینان را که همه این موارد برای مطالعه داده و ارتباط بین داده ها می باشد، را در بر می گیرد. مطمئنا تحلیل آماری کلاسیک نقش اساسی در تکنیکهای داده کاوی ایفا می کند.

دومین خانواده ای که داده کاوی به آن تعلق دارد هوش مصنوعی^[1] می باشد. هوش مصنوعی که بر پایه روشهای ابتکاری می باشد و با آمار ضدیت دارد، تلاش دارد تا فرایندی مانند فکر انسان، را برای حل مسائل آماری بکار بندد. چون این رویکرد نیاز به توان محاسباتی بالایی دارد، تا اوایل دهه 1980 عملی نشد. هوش مصنوعی کاربردهای کمی را در حوزه های علمی و حکومتی پیدا کرد، اما نیاز به استفاده از کامپیوترهای بزرگ با عث شد همه افراد نتوانند از تکنیکهای ارائه شده استفاده کنند.

سومین خانواده داده کاوی، یادگیری ماشین^[2] می باشد، که به مفهوم دقیقتر، اجتماع آمار و هوش مصنوعی می باشد. درحالیکه هوش مصنوعی نتوانست موفقیت تجاری کسب کند، یادگیری ماشین در بسیاری از موارد جایگزین آن گردید. از یادگیری ماشین به عنوان تحول هوش مصنوعی یاد شد، چون مخلوطی از روشهای ابتکاری هوش مصنوعی به همراه تحلیل آماری پیشرفته می باشد. یادگیری ماشین اجازه می دهد تا برنامه های کامپیوتری در مورد داده ای که آنها مطالعه می کنند، مانند برنامه هایی که تصمیمهای متفاوتی بر مبنای کیفیت داده مطالعه شده می گیرند، یادگیری داشته باشند و برای مفاهیم پایه ای آن از آمار استفاده می کنند و از الگوریتمها و روشهای ابتکاری هوش مصنوعی را برای رسیدن به هدف بهره می گیرند.

داده کاوی در بسیاری از جهات، سازگاری تکنیکهای یادگیری ماشین با کاربردهای تجاری است. بهترین توصیف از داده کاوی بوسیله اجتماع آمار، هوش مصنوعی و یادگیری ماشین بدست می آید. این تکنیکها سپس با کمک یکدیگر، برای مطالعه داده و پیدا کردن الگوهای نهفته در آنها استفاده می شوند.

بعضی از کاربردهای داده کاوی به شرح زیر است:

·         کاربردهای معمول تجاری: از قبیل تحلیل و مدیریت بازار، تحلیل سبد بازار، بازاریابی هدف، فهم رفتار مشتری، تحلیل و مدیریت ریسک؛

·         مدیریت و کشف فریب: کشف فریب تلفنی، کشف فریبهای بیمه ای و اتومبیل، کشف حقه های کارت اعتباری، کشف تراکنشهای مشکوک مالی (پولشویی)؛

·         متن کاوی^[3]: پالایش متن (نامه های الکترونیکی، گروههای خبری و غیره)؛

·         پزشکی: کشف ارتباط علامت و بیماری، تحلیل آرایه های DNA ، تصاویر پزشکی؛

·         ورزش: آمارهای ورزشی؛

·         وب کاوی^[4]: پیشنهاد صفحات مرتبط، بهبود ماشینهای جستجوگر یا شخصی سازی حرکت در وب سایت

در دو دهه قبل توانايي های فنی بشر در برای توليد و جمع آوری داده‌ها به سرعت افزايش يافته است. عواملی نظير استفاده گسترده از بارکد برای توليدات تجاری، به خدمت گرفتن کامپيوتر در کسب و کار، علوم، خدمات دولتی و پيشرفت در وسائل جمع آوری داده، از اسکن کردن متون و تصاوير تا سيستمهای سنجش از دور ماهواره ای، در اين تغييرات نقش مهمی دارند .

بطور کلی استفاده همگانی از وب و اينترنت به عنوان يک سيستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. اين رشد انفجاری در داده‌های ذخيره شده، نياز مبرم وجود تکنولوژی های جديد و ابزارهای خودکاری را ايجاد کرده که به صورت هوشمند به انسان ياری رسانند تا اين حجم زياد داده را به اطلاعات و دانش تبديل کند: داده کاوی به عنوان يک راه حل برای اين مسائل مطرح مي باشد. در يک تعريف غير رسمی داده کاوی فرآيندی است، خودکار برای استخراج الگوهايی که دانش را بازنمايی مي کنند، که اين دانش به صورت ضمنی در پايگاه داده های عظيم، انباره داده[1] و ديگر مخازن بزرگ اطلاعات، ذخيره شده است. داده کاوی بطور همزمان از چندين رشته علمی بهره مي برد نظير: تکنولوژی پايگاه داده، هوش مصنوعی، يادگيری ماشين، شبکه های عصبی، آمار، شناسايی الگو، سيستم های مبتنی بر دانش[2]، حصول دانش[3]، بازيابی اطلاعات[4]، محاسبات سرعت بالا^[5] و بازنمايی بصری داده^[6] . داده کاوی در اواخر دهه 1980 پديدار گشته، در دهه 1990 گامهای بلندی در اين شاخه از علم برداشته شده و انتظار می رود در اين قرن به رشد و پيشرفت خود ادامه دهد .واژه های «داده کاوی» و «کشف دانش در پایگاه داده»^[7] اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند. کشف دانش به عنوان يک فرآيند در شکل2-1 نشان داده شده است.

 کشف دانش در پایگاه داده فرایند شناسایی درست، ساده، مفید، و نهایتا الگوها و مدلهای قابل فهم در داده ها می باشد. داده کاوی، مرحله ای از فرایند کشف دانش می باشد و شامل الگوریتمهای مخصوص داده کاوی است، بطوریکه، تحت محدودیتهای مؤثر محاسباتی قابل قبول، الگوها و یا مدلها را در داده کشف می کند . به بیان ساده تر، داده کاوی به فرایند استخراج دانش ناشناخته، درست، و بالقوه مفید از داده اطلاق می شود. تعریف دیگر اینست که، داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد، به نحوی که با استخراج آنها، در حوزه های تصمیم گیری، پیش بینی، پیشگویی، و تخمین مورد استفاده قرار گیرند. داده ها اغلب حجیم ، اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست، بلکه دانش نهفته در داده ها قابل استفاده می باشد. به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه^[8] گفته می شود.

اصلی ترين دليلی که باعث شد داده کاوی کانون توجهات در صنعت اطلاعات قرار بگيرد، مساله در دسترس بودن حجم وسيعی از داده ها و نياز شديد به اينکه از اين داده ها اطلاعات و دانش سودمند استخراج کنيم. اطلاعات و دانش بدست آمده در کاربردهای وسيعی از مديريت کسب و کار وکنترل توليد و تحليل بازار تا طراحی مهندسی و تحقيقات علمی مورد استفاده قرار می گيرد.

داده کاوی را می توان حاصل سير تکاملی طبيعی تکنولوژی اطلاعات دانست، که اين سير تکاملی ناشی از يک سير تکاملی در صنعت پايگاه داده می باشد، نظير عمليات: جمع آوری داده ها وايجاد پايگاه داده، مديريت داده و تحليل و فهم داده ها. در شکل 2-1 اين روند تکاملی در پايگاه های داده نشان داده شده است.

تکامل تکنولوژی پايگاه داده و استفاده فراوان آن در کاربردهای مختلف سبب جمع آوری حجم فراوانی داده شده است. اين داده های فراوان باعث ايجاد نياز برای ابزارهای قدرتمند برای تحليل داده‌ها گشته، زيرا در حال حاضر به لحاظ داده ثروتمند هستيم ولی دچار کمبود اطلاعات می باشيم.

ابزارهای داده کاوی داده ها را آناليز می کنند و الگوهای دادهای را کشف می کنند که می توان از آن در کاربردهايی نظير: تعيين استراتژی برای کسب و کار، پايگاه دانش^[9] و تحقيقات علمی و پزشکی، استفاده کرد. شکاف موجود بين داده ها و اطلاعات سبب ايجاد نياز برای ابزارهای داده کاوی شده است تا داده های بی ارزش را به دانشی ارزشمند تبديل کنيم .

به طور ساده داده کاوی به معنای استخراج يا «معدن کاری^[10]» دانش از مقدار زيادی داده خام است. البته اين نامگذاری برای اين فرآيند تا حدی نامناسب است، زيرا به طور مثال عمليات معدن کاری برای استخراج طلا از صخره و ماسه را طلا کاوی می ناميم، نه ماسه کاوی يا صخره کاوی، بنابراين بهتر بود به اين فرآيند نامی شبيه به «استخراج دانش از داده» می داديم که متاسفانه بسيار طولانی است. «دانش کاوی» به عنوان يک عبارت کوتاهتر به عنوان جايگزين، نمی تواند بيانگر تاکيد و اهميت بر معدن کاری مقدار زياد داده باشد. معدن کاری عبارتی است که بلافاصله انسان را به ياد فرآيندی مي اندازد که به دنبال يافتن مجموعه کوچکی از قطعات ارزشمند از حجم بسيار زيادی از مواد خام هستيم.

با توجه به مطالب عنوان شده، با اينکه اين فرآيند تا حدی دارای نامگذاری ناقص است ولی اين نامگذاری يعنی داده کاوی بسيار عموميت پيدا کرده است. البته اسامی ديگری نيز برای اين فرآيند پيشنهاد شده که بعضا بسياری متفاوت با واژه داده کاوی است، نظير: استخراج دانش از پايگاه داده، استخراج دانش^[11]، آناليز داده / الگو، باستان شناسی داده^[12]، و لايروبی داده ها^[13].

با توسعه سيستم هاي اطلاعاتي، داده به يکي از منابع پراهميت سازمان ها مبدل گشته است. بنابراين روش ها و تکنيک هايي براي دستيابي کارا به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از اين اطلاعات، مورد نياز مي باشد. با ايجاد و گسترش وب و افزايش چشمگير حجم اطلاعات، نياز به اين روش ها و تکنيک ها بيش از پيش احساس مي شود. وب، محيطي وسيع، متنوع و پويا است که کاربران متعدد اسناد خود را در آن منتشر مي کنند. در حال حاضر بيش از دو بيليون صفحه در وب موجود است و اين تعداد با نرخ 3/7 ميليون صفحه در روز افزايش مييابد. با توجه به حجم وسيع اطلاعات در وب، مديريت آن با ابزارهاي سنتي تقريبا غير ممکن است و ابزارها و روش هايي نو براي مديريت آن مورد نياز است. به طور کلي کاربران وب در استفاده از آن با مشکلات زير روبرو هستند:

1.   يافتن اطلاعات مرتبط: يافتن اطلاعات مورد نياز در وب دشوار مي باشد. روش هاي سنتي بازيابي اطلاعات که براي جستجوي اطلاعات در پايگاه داده ها به کار مي روند، قابل استفاده در وب نمي‌باشند وکاربران معمولا از موتورهاي جستجو که مهمترين و رايج ترين ابزار براييافتن اطلاعات در وب مي باشند، استفاده مي کنند. اين موتورها، يک پرس و جوي[1] مبتني بر کلمات کليدي از کاربر دريافت کرده و در پاسخ ليستي از اسناد مرتبط با پرس و جوي وي را که بر اساس ميزان ارتباط با اين پرس و جو مرتب شده اند، به وي ارائه مي کنند. اما موتورهاي جستجو داراي دو مشکل اصليهستند. اولا دقت[2] موتورهاي جستجو پايين است، چراکه اين موتورها در پاسخ به يک پرس و جوي کاربر صدها يا هزاران سند را بازيابي مي کنند، در حالي که بسياري از اسناد بازيابي شده توسط آنها با نياز اطلاعاتي کاربر مرتبط نمي باشند. دوما ميزان فراخوان[3]اين موتورها کم مي باشد، به آن معني که قادر به بازيابي کليه اسناد مرتبط با نياز اطلاعاتي کاربر نيستند. چراکه حجم اسناد در وب بسيار زياد است و موتورهاي جستجو قادر به نگهداري اطلاعات کليه اسناد وب، در پايگاه داده هاي خود نمي باشند.

2.   ايجاد دانش جديد با استفاده از اطلاعات موجود در وب: اين مشکل در واقع بخشي از مشکل مطرح شده در قسمت قبل مي باشد. در حال حاضر اين سوال مطرح است که چگونه مي توان داده هاي فراوان موجود در وب را به دانشي قابل استفاده تبديل کرد، به طوري که يافتن اطلاعات مورد نياز در آن به سادگي صورت بگيرد. همچنين چگونه مي توان با استفاده از داده هاي وب به اطلاعات و دانشي جديد دست يافت.

3.   خصوصي سازي[4] اطلاعات: از آن جا که کاربران متفاوت هر يک درباره نوع و نحوه بازنمايي اطلاعات سليقه خاصي دارند،اين مسئله بايد توسط تامين کنندگان اطلاعات در وب مورد توجه قرار بگيرد. براي اين منظور با توجه به خواسته ها و تمايلات کاربران متفاوت، نحوه ارائه اطلاعات به آنها بايد سفارشي گردد.

تکنيک هاي وب کاوي[5]قادر به حل اين مشکلات مي باشند. دروب کاويبه صورت زير تعريف شده است:

وب کاوي به کارگيري تکنيک هاي داده کاوي[6] براي کشف و استخراج خودکار اطلاعات از اسناد و سرويس هاي وب مي باشد.

البته تکنيک هاي وب کاوي تنها ابزار موجود براي حل اين مشکلات نيستند. بلکه تکنيک هاي مختلفي از ساير زمينه هاي تحقيقاتي همچون پايگاه داده ها، بازيابي اطلاعات، پردازش زبان طبيعيقابل استفاده در اين زمينه مي باشند. همچنين تکنينک هاي وب کاوي مي توانند به صورت مستقيم يا غير مستقيم براي حل اين مشکلات به کار روند. منظور از رويکرد مستقيم آن است که کاربرد تکنيک هاي وب کاوي به صورت مستقيم مشکلات مطرح شده را حل مي نمايد. يک عامل گروه خبري که مرتبط بودن يک خبر به يک کاربر را تعيين مي کند، مثالي از اين رويکرد مي باشد. اما در رويکرد غير مستقيم، تکنيک هاي وب کاوي به عنوان بخشي از يک روش جامع تر که به حل اين مشکلات مي پردازد، مورد استفاده قرار مي گيرند.

با توجه به گسترش روز افزون حجم اطلاعات در وب و ارتباط وب کاوي با تجارت الکترونيکي، وب کاوي به يک زمينه تحقيقاتي وسيع مبدل گشته است. طي اين گزارش پس از بررسي مراحل وب کاوي،انواع آن معرفي مي شوند. سپس ارتباط وب کاوي با ساير زمينه هاي تحقيقاتي بررسي شده و به چالش ها و مشکلات اين زمينه تحقيقاتي اشاره مي شود. در ادامه هر يک از انواع وب کاوي به تفصيل مورد بررسي قرار مي گيرند. براي اين منظور مدل ها، الگوريتم ها و کاربردهايهر طبقه معرفي مي شوند. در پايان نيز به برخي از نمونه کاربردهاي واقعي وب کاوياشاره مي شود.