کاربرد هوش مصنوعی در حوزه کلان داده: مروری بر تحقیقات اخیر
  •   آرشیو : نسخه تابستان 1398
  •   نوع مقاله : پژوهشی
  •   شناسه دیجیتال (DOI) :
  •   کد پذیرش : 1346
  •   موضوع : مهندسی نرم افزار
  • نویسنده/گان : محمدرضا وظیفه، سهیلا سارانی
  •   چکیده :
    در حالی که داده ها به سرعت در محیط دیجیتال جریان پیدا می کنند، هوش مصنوعی و کلان داده روش های موثری برای کشف دانش از این انبوه داده را فراهم می کنند. با این وجود تمایز بین اطلاعات متفاوتی که دائما در حال جمع آوری اند، دشوار است. هوش مصنوعی بیش از شش دهه وجود داشته و در کاربرد های مختلف مورد استفاده واقع شده است. در حالیکه کلان داده در سال های اخیر مورد توجه بیشتری واقع شده است و امروزه در حوزه تحقیقاتی، استفاده از هوش مصنوعی در کلان داده ها از جایگاه ویژه ای برخوردار است. این مقاله با بیان ویژگی های کلان داده و جایگاه هوش مصنوعی به معرفی هوش تجاری می پردازد. در این مقاله همچنین مروری بر تحقیقات اخیر در حوزه هوش مصنوعی و کلان داده ها ارائه شده است.
  •   کلید واژه : هوش مصنوعی، کلان داده، هوش تجاری.
  •   Title :
  •   Abstract :
  •   key words :
  •   مراجع :
    [1] D. Helbing (ed.), (2019), Will Democracy Survive Big Data and Artificial Intelligence?, © Springer International Publishing AG, part of Springer Nature 2019, https://doi.org/10.1007/978-3-319-90869-4_7
    [2] Li Da Xu & Lian Duan, (2018), Big data for cyber physical systems in industry 4.0: a survey, Enterprise Information Systems, DOI: 10.1080/17517575.2018.1442934
    [3] De Mauro, A., M. Greco, and M. Grimaldi. 2016. “A Formal Definition of Big Data Based on Its Essential Features.”, Library Review 65 (3): 122–135. doi:10.1108/LR-06-2015-0061
    [4] Ali Reza Alaei, Susanne Becken and Bela Stantic, (2017), Sentiment Analysis in Tourism: Capitalizing on Big Data, Journal of Travel Research, DOI: 10.1177/0047287517747753
    [5] Watson, H. J. (2019). Update Tutorial: Big Data Analytics: Concepts, Technology, and Applications. Communications of the Association for Information Systems, 44, pp-pp. https://doi.org/10.17705/1CAIS.04421
    [6] Duan, Y., Edwards, J. S., & Dwivedi, Y. K. (2019). Artificial intelligence for decision making in the era of Big Data – evolution, challenges and research agenda. International Journal of Information Management, 48, 63–71
    [7] Darren Edge, Jonathan Larson, Christopher White, (2018), Bringing AI to BI: Enabling Visual Analytics of Unstructured Data in a Modern Business Intelligence Platform, ACM 978-1-4503-5621-3/18/04…$15.00, https://doi.org/10.1145/3170427.3174367
    [8] Tanaporn Panrungsri, Esther Sangiamkul, (2017), Business Intelligence Model for Disaster Management: A Case Study in Phuket, Thailand, WiPe Paper – Operational applications and perspectives, Proceedings of the 14th ISCRAM Conference – Albi, France, pages:727-738
    [9] Shah J. Miah, Shahadat KhanShaheb Ali,(2017), Aalysis of interaction between Businesis in Telligence and SMES: Learn from each other, JISTEM - Journal of Information Systems and Technology Management, Vol. 14, No. 2, May/Aug., 2017 pp. 151-168
    [10] M. Sigala et al. (eds.), Big Data and Innovation in Tourism, Travel, and Hospitality, © Springer Nature Singapore Pte Ltd. 2019, https://doi.org/10.1007/978-981-13-6339-9_13
    [11] Li Tu Shuai Liu, Yan Wang, Chi Zhang , Ping Li, (2019), An optimized cluster storage method for real‑time big data in Internet of Things, © Springer Science+Business Media, LLC, part of Springer Nature 2019, The Journal of Supercomputing ,https://doi.org/10.1007/s11227-019-02773-1
    [12] Diego García-Gil, Julián Luengo , Salvador García , Francisco Herrera, (2019), Enabling Smart Data: Noise filtering in Big Data classification,Information Sciences 479 (2019) 135–152.
    [13] Weisheng Lu, (2019), Big data analytics to identify illegal construction waste dumping: A Hong Kong study, Resources, Conservation & Recycling 141 (2019) 264–272.
    [14] Dariush Khezrimotlagh , Joe Zhu , Wade D. Cook , Mehdi Toloo , Data Envelopment Analysis and Big Data, European Journal of Operational Research (2018), doi: https://doi.org/10.1016/j.ejor.2018.10.044
    [15] Leo Willyanto Santoso, (2017), Yulia, Data Warehouse with Big Data Technology for Higher Education, 4th Information Systems International Conference 2017, ISICO 2017, 6-8 November 2017, Bali, Indonesia , Procedia Computer Science 124 (2017) 93–99.
  •  صفحات : 96-101
  •   دانلود اصل مقاله ( 718.24 KB )