3-2-1-4 فیلترینگ نمونه‌ها……………….. 55

3-2-1-5 تبدیل داده……………….. 55

3-2-1-6 خلق ویژگی………………… 55

3-2-1-7 نمونه برداری…………………. 56

3-2-2 یادگیری مدل………………… 56

3-2-2-1 خوشه بندی…………………. 56

3-2-2-2 خوشه بندی K-Means…………………

3-2-2-3 خوشه بندی با بهره گرفتن از الگوریتم K-Means با توجه به فرکانس تکرار و درجه اهمیت درخواست‌ها و نیازمندی‌ها …57

3-2-3 ارزیابی و تفسیر مدل………………… 58

3-2-4 دسته بندی جدید و اولویت بندی نیازمندی‌های استخراج شده با بهره گرفتن از تکنیک رتبه بندی…… 58

3-2-4-1 روش رتبه بندی…………………. 60

3-2-4-2 شاخص‌های رتبه بندی…………………. 60

3-2-4-3 ضرایب یا وزن شاخص‌ها ………………..61

فصل چهارم (محاسبات و یافته‌های تحقیق)……………….. 65

4-1 مطالعه موردی: سامانه مدیریت شهری 137 شهرداری تهران………………… 65

4-2 معرفی ابزار برتر داده کاوی RapidMiner………………..

4-3 پیاده سازی روش پیشنهادی…………………. 68

4-4 ارزیابی و تفسیر خوشه‌ها ………………..69

فصل پنجم (نتیجه گیری و پیشنهادات)……………….. 72

5-1 نتیجه گیری…………………. 72

5-2 مشکلات و نقاط ضعف کارهای مرتبط…………………. 72

5-3 مزایا و ویژگی‌های روش پیشنهادی…………………. 73

5-4 کارهای آینده ………………..74

پیوست – منابع و مآخذ………………… 75

چکیده:

در سازمان‌ها و سامانه‌های بزرگ مقیاس و پیچیده، جهت تعیین نیازمندی‌های عملیاتی و غیر عملیاتی در گستره‌ای که ممکن است هزاران ذینفع را در بر گیرد، دانشی جهت استخراج نیازمندی‌ها احساس می‌گردد. با توجه به اینکه سازمان‌ها، داده‌ها و اطلاعات بسیاری در تصرف خود دارند و با فلج ساختن اطلاعات یک چالش کلیدی در تصمیم گیری تشکیلات سازمانی ایجاد می‌نمایند، فرایند کشف دانش از پایگاه داده سازمان مطرح گردیده که یک فرایند علمی برای شناسایی الگوهای معتبر، بالقوه مفید و قابل فهم از داده‌ها می‌باشد. در این تحقیق قصد داریم با بکار گیری داده کاوی به عنوان مرحله‌ای از فرایند کشف دانش به ارائه‌ی چارچوبی جهت استخراج و اولویت بندی نیازمندی‌ها در سازمان‌های بزرگ مقیاس پرداخته که در نتیجه کار خود، افزایش رضایتمندی را به همراه می‌آورد. بدین صورت که ابتدا با توجه به فرکانس تکرار و درجه اهمیت، نیازمندی‌ها را با بهره گرفتن از الگوریتم K-Means خوشه بندی کرده سپس با روشی به نام رتبه بندی و بهره گیری از ماتریس ارزش محور به اولویت بندی نیازمندی‌ها می‌پردازیم. مطالعه موردی چارچوب پیشنهادی، پایگاه داده سامانه مدیریت شهری 137 شهرداری تهران می‌باشد. بر اساس نتایج بدست آمده می‌توان خوشه‌های متفاوت از نیازها با اولویت اقدام متفاوت را معرفی نمود.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

مهندسی سیستم سعی می‌کند تا نیازمندی‌های سیستم را تشخیص دهد که این عمل با همکاری مشتریان، کاربران و تمامی ذینفعان انجام می‌شود [1]. مدیریت ارتباط با شهروند یکی از مباحث اصلی در مدیریت دولتی نوین محسوب شده و از اهمیت بسیاری برخوردار است. در مدیریت ارتباط با شهروند تمرکز اصلی بر شهروند محوری است و بهبود خدمت رسانی و پاسخ گویی به شهروندان بر اساس نیازهای ایشان، هدف اصلی محسوب می‌شود. در واقع درک درست از نیازها و خواسته‌های گروه‌های مختلف شهروندان و ارائه خدمات مناسب با این نیازها، موضوعی است که باید در مدیریت ارتباط با شهروند مورد توجه قرار گیرد [2].

2-1- مهندسی نیازمندی ها

خروجی فرایند مهندسی سیستم تعریفی از یک سیستم کامپیوتری یا محصول است. در این مرحله نیز این مشکل وجود دارد که چگونه مطمئن شویم که تعریف ارائه

این مطلب را هم بخوانید :

 شده از سیستم نیازهای مشتری را برطرف می‌کند و انتظارات او را رفع می‌سازد. برای این منظور نیازمند به طی فرایند مهندسی نیازمندی‌ها هستیم. این فرایند مکانیزم‌های مناسب را فراهم می‌آورد تا تشخیص دهیم مشتری چه می‌خواهد، نیازهای تحلیل چیست، یک راه معقول کدام است و ابهامات نیازمندی در کجا هستند.

مهندسی نیازمندی‌ها دارای پنج فاز مهم زیر می‌باشد [1]:

1- استخراج[1] نیازمندی‌ها: در این فاز اهداف سیستم و یا محصول مشخص می‌گردد و نیز اینکه چه چیزی انجام می‌گیرد، سیستم و یا محصول چگونه نیازهای تجاری را رفع می‌کنند.

2- تحلیل[2] نیازمندی‌ها: هنگامیکه نیازها جمع آوری شدند عمل تحلیل روی آنها انجام می‌گیرد. تحلیل، نیازمندی‌ها را در زیر دسته‌ هایی خاص دسته بندی می‌کند، ارتباط هر کدام را با دیگری بررسی نموده، جامعیت و ابهامات آنها را تست و نیازمندی‌ها را بر اساس نیاز مشتری اولویت بندی می‌کند.

3- تعریف مشخصات[3] نیازمندی‌ها: در این فاز بر اساس تعریف ایجاد شده از سیستم، یک مدل از آن ساخته می‌شود.

4- اعتبار سنجی[4] نیازمندی‌ها: در این فاز نیازمندی‌ها برای وجود ابهامات مورد آزمایش و بررسی دقیق قرار می‌گیرند.