Ekonomiczne Problemy Usług

Wcześniej: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług

ISSN: 1896-382X     eISSN: 2353-2866    OAI    DOI: 10.18276/epu.2017.126/2-16
CC BY-SA   Open Access   DOAJ

Lista wydań / nr 126 (2) 2017
Text mining of articles in an issue of the journal „Economics and Computer Science" dedicated on the DIMBI project
(Eksploracja tekstów artykułów w jednym z wydań czasopisma „Economics and Computer Science" dedykowanemu projektowi DIMBI)

Autorzy: Julian Vasilev
University of Economics Varn a Department of Informatics

Nataliya Marinova
D. Tsenov Academy of Economics Svishtov Department of Business Informatics
Słowa kluczowe: ontologia eksploracja tekstu Rapid Miner projekt DIMBI
Rok wydania:2017
Liczba stron:7 (153-159)
Klasyfikacja JEL: C45 C88
Cited-by (Crossref) ?:

Abstrakt

Celem artyknłu jest wykorzystanie technik analizy danych biznesowych w celu przeanalizowania artyknłów w jednym z numerów (tom 2, wydanie 5) czasopisma „Economics and Computer Science". Ze względu na różnorodne metody analizy danych biznesowych badanie ogranicza się do metod eksploracji tekstu. Celem badania jest znalezienie terminologii, która jest wspólna dla wszystkich artykułów w jednym, wybranym numerze czasopisma. Ponieważ w tym dzienniku poruszono wiele zagadnień tematycznych, to zadaniem badawczym jest to, aby znaleźć ontologie w każdym wydaniu tematycznym. Stosowanym narzędziem i oprogramowaniem do wydobywania tekstu jest Rapid Miner. To oprogramowanie używane jest przede wszystkim do wynajdowania najczęściej używanych słów kluczowych. Nastepnie, ręcznie został stworzony słowniczek pojęć. Głównymi grupami okazały się być: edukacyja, badania i oprogramowanie. Proponowana metoda może być wykorzystywana przez innych autorów dla innych badań o różnej tematyce.
Pobierz plik

Plik artykułu

Bibliografia

1.Economics and Computer Science Journal. Retrieved from: http://eknigibg.net/index.php?route= information/information&information _id=8 (7.02.2017).
2.Feldman, R., Sanger, J. (2007). The text mining handbook: advanced approaches in analyzing unstructured data. New York: Cambridge University Press.
3.Gantz, J., Reinsel, D. (2012). The digital universe in 2020: big data, bigger digital shadows, and biggest growth in the Far East. Retrieved from: http://www.emc.com/collateral/analyst-reports/idc-the-digital-universe-in-2020 .pdf (3.06.2016).
4.Hashimi, H., Hafez, A., Mathkour, H. (2015). Selection criteria for text mining approaches. Com-puters in Human Behavior, 51, 729-733.
5.Hearst, M. (1999). Untangling Text Data Mining. University of Maryland: Proceedings of the ACL '99.
6.Kumar, B. S., Ravi, V. (2016). A survey of the applications of text mining in financial domain.
7.Knowledge-Based Systems, 114, 128-147.
8.The DIME! project. Retrieved from: http://dirnbi.paragonweb.eu/ (7.02.2017). Rapid Miner. Retrieved from: https://rapidminer.com/ (7.02.2017).