Judul

Business Intelligence Explorer: A Knowledge Map Framework for

Discovering Business Intelligence on the Web

Nama penulis

Wingyan

Chung

Dept. of Manage. Inf. Syst., Arizona Univ., Tucson, AZ, USA

Hsinchun Chen ; J. F. Nunamaker
Tahun

2003

Published in

System Sciences, 2003. Proceedings of the 36th Annual Hawaii

International Conference on

Publisher

IEEE

Tujuan penelitian

Pada penelitian ini bertujuan untuk mengusulkan intelijen bisnis Explorer,

alat menerapkan langkah-langkah dalam pengetahuan peta kerangka
untuk menemukan intelijen bisnis pada Web.

Subject penelitian

Business Intelligence on the Web

Abstrak

Saat ini, informasi yang berlebihan menghalangi penemuan Bisnis

Intelijen di World Wide Web. Yang ada Alat intelijen bisnis menderita
dari kurangnya analisis dan kemampuan visualisasi dan daftar hasil
tradisional. Tampilan oleh mesin pencari sering menguasai bisnis analis
dengan informasi yang tidak relevan. Dengan demikian, mengembangkan
alat yang memungkinkan analisis yang lebih baik sementara mengurangi
informasi berlebihan telah menjadi tantangan. Literatur menunjukkan
bahwa hierarki dan menampilkan peta mengaktifkan akses yang efektif
dan browsing informasi. Namun, mereka belum luas diterapkan untuk
menemukan intelijen bisnis pada Web. Penelitian ini mengusulkan
intelijen bisnis Explorer, alat menerapkan langkah-langkah dalam
pengetahuan peta kerangka untuk menemukan intelijen bisnis pada Web.

Dua metode browsing, yaitu, Web masyarakat dan pengetahuan peta,

telah dilaksanakan. Komunitas web menggunakan algoritma genetik yang
mengatur situs Web yang berbeda ke dalam format hirarkis. Pengetahuan
peta

menggunakan

algoritma

skala

yang

multidimensi

untuk

menempatkan situs Web yang berbeda sebagai titik pada peta. Awal hasil
penelitian pengguna kami menunjukkan bahwa komunitas Web
membantu pengguna menemukan hasil yang cepat dan efektif. Pengguna
menyukai Tampilan peta intuitif peta pengetahuan. Bisnis kami Explorer
intelijen memberikan kontribusi untuk meringankan informasi kelebihan
dalam analisis bisnis. Arah masa depan pada menerapkan teknik
visualisasi dokumen dalam menemukan intelijen bisnis dijelaskan.
keunggulan dan bisnis.

Introduction

Saat ini, informasi yang berlebihan menghalangi penemuan bisnis

Intelijen di World Wide Web. Sebuah studi menemukan bahwa sebagian
besar dunia information1 disimpan di hard drive komputer atau server
departemen, yang bentuk repositori dari Internet. Analis bisnis sering
menderita dari informasi yang berlebihan karena itu ditemukan bahwa
dunia memproduksi antara 635,000 dan terabyte 2.12 juta informasi unik
per tahun. Internet adalah salah satu sumber atas lima bisnis informasi
intelijen. Web search engine yang digunakan untuk menemukan
informasi untuk analisis bisnis. Mereka biasanya mengambil sejumlah
besar halaman Web sederhana query pencarian. kewalahan oleh hasil
yang banyak, analis bisnis sering browse halaman individual saja,
sementara mereka tidak bias menemukan masyarakat Web dari atau
memvisualisasikan pemandangan dari semua hasil. Tampilan daftar
tekstual cari Mesin mengubur banyak hasil yang relevan, sehingga sulit
untuk menyaring hasil yang relevan dari orang-orang yang tidak relevan.
Dengan demikian, tampilan daftar hasil sering mengarah ke informasi
yang berlebihan masalah. Selain hasil tekstual pencarian daftar dan
masyarakat mesin, baru browsing metode yang diperlukan oleh bisnis

analis untuk mengaktifkan visualisasi otomatis lanskap dan penemuan

masyarakat di Web.
Literature

Business intelligence alat dalam organisasi untuk mengerti internal dan

external lingkungan dengan cara menggunakan systemasi acquisition,
collation, analysis, interpretation dan exploitation dari informasi.

Ringkasan

Dalam tulisan ini, kami memperkenalkan Business Intelligence Explorer

(BIE), sebuah alat yang menerapkan langkah-langkah dalam pengetahuan
peta kerangka untuk menemukan kecerdasan bisnis di Web. Teknik alat
diterapkan dalam konten koleksi, teks-pertambangan, dan dokumen
visualisasi untuk mengatasi masalah informasi overload di Web. Dua
metode perambanan yang dikembangkan: Web komunitas dan
pengetahuan peta. Hasil dari studi awal pengguna kami menggembirakan.
Pengguna menyukai kemampuan pengelompokan dan visualisasi Web
masyarakat sementara mereka menemukan pengetahuan peta yang intuitif
arti membantu dalam mengurangi titik penempatan informasi yang
berlebihan, yang ditemukan di daftar hasil tampilan dan tampilan peta
Kartoo, pencarian komersial mesin dengan tampilan grafis hasil. Arah
masa depan adalah untuk melakukan skala penuh empiris
evaluasi untuk mengkaji efektivitas, efisiensi dan kegunaan dari alat
kami. Ini juga akan berguna untuk mengeksplorasi algoritma yang lebih
cepat dalam berbagai tahap dokumen proses visualisasi BIE, sehingga
dapat prototype berkembang menjadi analyzer intelijen bisnis real-time.
Saat ini, pembatasan BIE adalah tinggi komputasi intensitas dalam Coterjadinya analisis dan mengidentifikasi Web komunitas. Algoritma lebih
cepat dapat dieksplorasi untuk meningkatkan kecepatan komputasi.
Selain itu, baru visualisasi metafora seperti 3D menampilkan dan animasi
dapat belajar untuk Web browsing.

References

1. H. Chen and K. J. Lynch, "Automatic construction of networks of

concepts characterizing document databases", IEEE Transactions on

Systems, Man, and Cybernetics, vol. 22, pp. 885-902, 1992 Abstract |
Full Text: PDF (1636KB)
2. P. Lyman and H. Varian, "How much information", available at, 2000
Available: print
3. F. Group, The Futures Group Articles. 1998, 1997
4. P. H. J. Davies, "Intelligence, information technology, and
information warfare", Annual Review of Information Science and
Technology, vol. 36, pp. 313-352, 2002 [CrossRef]
5. R. Carvalho and M. Ferreira, "Using information technology to
support knowledge conversion processes", Information Research, vol.
7, 2001
6. C. W. Choo, The Knowing Organization, 1998
7.

L. Fuld, K. Sawka, J. Carmichael, J. Kim and K. Hynes, Intelligence

Software Report? 2002, 2002, Fuld & Company Inc.

8. B. Shneiderman, "The eyes have it: a task by data type taxonomy for
information visualization", 1996 Abstract | Full Text: PDF (756KB)
9. X. Lin, "Map displays for information retrieval", Journal of the
American Society for Information Science, vol. 48, pp. 40-54, 1997
[CrossRef]
10. D. R. Cutting, D. R. Karger, J. O. Pederson and J. W. Tukey,
"Scatter/gather: a cluster-based approach to browsing large document
collections", presented at Proceedings of the Fifteenth Annual
International ACM SIGIR Conference on Research and Development
in Information Retrieval [CrossRef]
11. L. B. Doyle, "Semantic road maps for literature searcher", Journal of
the Association of Computing Machinery, vol. 8, pp. 553-578, 1961
[CrossRef]
12. J. A. Wise, J. J. Thoma, K. Pennock, D. Lantrip, M. Pottier, A. Schur
and V. Crow, "Visualizing the non-visual: spatial analysis and
interaction with information from text documents", presented at IEEE,

Proceedings of Information Visualization Abstract | Full Text: PDF

(1290KB)
13. R. Spence, Information Visualization: ACM Press, 2001
14. O. Etzioni, "The World-Wide Web: Quagmire or Gold Mine?",
Communications of the ACM, vol. 39, pp. 65-68, 1996 [CrossRef]
15. X. He, C. Ding, H. Zha and H. Simon, "Automatic topic identification
using Webpage clustering", presented at Proceedings of 2001 IEEE
International Conference on Data Mining
16. J. Shi and J. Malik, "Normalized cuts and image segmentation", IEEE
Transactions on Pattern Analysis and Machine Intelligence, vol. 22,
pp. 888-905, 2000 Abstract | Full Text: PDF (2820KB)
17. K. Bharat and M. R. Henzinger, "Improved Algorithms for Topic
Distillation in Hyperlinked Environments", presented at Proceedings
of the 21st International ACM SIGIR Conference on Research and
Development in Information Retrieval
18. S. Chakrabarti, B. Dom, P. Raghavan, S. Rajagopalan, A. Tomkins, D.
Gibson and J. Kleinberg, "Mining the Web's link structure", IEEE
Computer, vol. 32, pp. 60-67, 1999 Abstract | Full Text: PDF (328KB)
19. H. Chen, H. Fan, M. Chau and D. Zeng, "MetaSpider: Meta-searching
and categorization on the Web", Journal of the American Society for
Information Science and Technology, vol. 52, pp. 1134-1147, 2001
[CrossRef]
20. E. Selberg and O. Etzioni, "The MetaCrawler architecture for resource
aggregation on the Web", IEEE Expert, vol. 12, pp. 8-14, 1997
Abstract | Full Text: PDF (640KB)
21. C. Palmer, J. Pesenti, R. Valdes-Perez, M. Christel, A. Hauptmann, D.
Ng and H. Wactlar, "Demonstration of hierarchical document
clustering of digital library retrieval results", presented at Proceedings
of the 1st ACM/IEEE Joint Conference on Digital Libraries
[CrossRef]

22. A. K. Jain and R. C. Dubes, Algorithms for Clustering Data.

Engewood Cliffs, 1988, Prentice-Hall.
23. J. Grabmeier and A. Rudolph, "Techniques of cluster algorithms in
data mining", Data Mining and Knowledge Discovery, vol. 6, pp. 303360, 2002 [CrossRef]
24. F. W. Young, Multidimensional Scaling: History, Theory, and
Applications, 1987, Lawrence Erlbaum Associates. Publishers
25. M. W. Richardson, "Multidimensional psychophysics (Abstract)",
Psycological Bulletin, vol. 35, pp. 659, 1938
26. G. Young and A. S. Householder, "Discussion of a set of points in
terms of their mutual distances", Psychometrika, vol. 3, pp. 19-22,
1938 [CrossRef]
27. W. S. Torgerson, "Multidimensional scaling: I. Theory and Method",
Psychometrika, vol. 17, pp. 401-419, 1952 [CrossRef]
28. J. B. Kruskal, "Nonmetric multidimensional scaling: a numerical
method", Psychometrika, vol. 29, pp. 115-129, 1964 [CrossRef]
29. Y. Takane, F. W. Young and J. de Leeuw, "Nonmetric individual
differences multidimensional scaling: an alternative least squares
method with optimal scaling features", Psychometrika, vol. 42, pp. 767, 1977 [CrossRef]
30. Y. He and S. C. Hui, "Mining a Web citation database for author cocitation analysis", Information Processing and Management, vol. 38,
pp. 491-508, 2002 [CrossRef]
31. S. B. Eom and R. S. Farris, "The contributions of organizational
science to the development of decision support systems research
subspecialties", Journal of the American Society for Information
Science, vol. 47, pp. 941-952, 1996 [CrossRef]
32. M. J. McQuaid, T. H. Ong, H. Chen and J. F. Nunamaker,
"Multidimensional scaling for group memory visualization", Decision
Support Systems, vol. 27, pp. 163-176 [CrossRef]

33. H. Kanai and K. Hakozaki, "A browsing system for a database using
visualization of user preferences", presented at Proceedings of the
2000 IEEE International Conference on Computer Visualization and
Graphics Abstract | Full Text: PDF (732KB)
34. W. A. Kealy, "Knowledge maps and their use in computer-based
collaborative learning", Journal of Educational Computing Research,
vol. 25, pp. 325-349, 2001 [CrossRef]
35. J. D. Novak and D. B. Gowin, Learning How to Learn, 1984
[CrossRef]
36. T. Buzan and B. Buzan, The Mind Map Book: How to Use Radiant
Thinking to Maximize Your Brain's Untapped Potential, 1993, Plume
Books (Penguin)
37. E. Rennison, "Galaxy of news: an approach to visualizing and
understanding expansive news landscapes", presented at Proceedings
of ACM Symposium on User Interface Software and Technology
[CrossRef]
38. T. Kohonen, Self-organizing maps, 1995, Springer-Verlag.
39. X. Lin, D. Soergel and G. Marchionini, "A self-organizing semantic
map for information retrieval", presented at Proceedings of the
Fourteenth Annual International ACM/SIGIR Conference on
Research and Development in Information Retrieval [CrossRef]
40. H. Chen, C. Schuffels and R. Orwig, "Internet categorization and
search: a self-organizing approach", Journal of Visual Communication
and Image Representation, vol. 7, pp. 88-102, 1996 [CrossRef]
41. H. Chen, A. Houston, R. Sewell and B. Schatz, "Internet browsing and
searching: user evaluation of category map and concept space
techniques", Journal of the American Society for Information Science,
Special Issue on AI Techniques for Emerging Information Systems
Applications, vol. 49, pp. 582-603, 1998 [CrossRef]
42. C. C. Yang, H. Chen and K. Hong, "Internet browsing: visualizing
category map by fisheye and fractal views", presented at Proceedings

of the IEEE International Conference on Information Technology:

Coding and Computing Abstract | Full Text: PDF (481KB) | Full Text:
HTML
43. J. F. Nunamaker, M. Chen and T. Purdin, "Systems development in
information systems research", Journal of Management Information
Systems, vol. 7, pp. 89-106, 1991
44. H. P. Luhn, "A business intelligence system" in Pioneer of information
science, selected works, pp. 132-139, 1969, Macmillan
45. K. M. Tolle and H. Chen, "Comparing noun phrasing techniques for
use with medical digital libraray tools", Journal of the American
Society for Information Science (Special Issue on Digital Libraries),
vol. 51, pp. 352-370, 2000 [CrossRef]
46. M. Marcus, "http://www.cis.upenn.edu/~treebank/tokenization.html",
University of Pennsylvania, 1999
47. G. Salton, Automatic Text Processing: the transformation, analysis,
and retrieval of information by computer, 1989, Addison-Wesley
48. G. W. Flake, S. Lawrence and C. L. Giles, "Efficient identification of
Web communities", presented at Proceedings of the Sixth ACM
SIGKDD International Conference on Knowledge Discovery and
Data Mining [CrossRef]
49. G. W. Flake, S. Lawrence, C. L. Giles and F. M. Coetzee, "Selforganization and identification of Web communities", IEEE
Computer, vol. 25, pp. 66-71, 2002 Abstract | Full Text: PDF (263KB)
| Full Text: HTML
50. D. Gibson, J. Kleinberg and P. Raghavan, "Inferring Web
communities from link topology", presented at Proceedings of the
Ninth ACM Conference on Hypertext and Hypermedia: Links, Objects,
Time and Space - Structure in Hypermedia Systems [CrossRef]
51. R. Kumar, P. Raghavan, S. Rajagopalan and A. Tomkins, "Trawling
emerging cyber-communities authomatically", Proceedings of the 8th
WWW Conference, pp. 403-415

52. B. Schatz, "The Interspace: concept navigation across distributed

communities", IEEE Computer, vol. 35, pp. 54-62, 2002 Abstract |
Full Text: PDF (891KB) | Full Text: HTML
53. J. A. Hartigan, "Statistical theory in clustering", Journal of
Classification, vol. 2, 1985 [CrossRef]
54. G. W. Milligan, "A Monte-Carlo study of 30 internal criterion
measures for cluster-analysis", Psychometrika, vol. 46, pp. 187-195,
1981 [CrossRef]
55. M. Garey and D. Johnson, Computers and Intractability: A Guide to
the Theory of NP-Completeness:, 1979, W. H. Freeman
56. Z. Wu and R. Leahy, "An optimal graph theoretic approach to data
clustering: theory and its application to image segmentation", IEEE
Transactions on Pattern Analysis and Machine Intellieence, vol. 15,
pp. 101-1, 1993 Abstract | Full Text: PDF (1384KB)
57. M. Dodge and R. Kitchin, Atlas of cyberspace, 2001, Addison-Wesley