دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Michael Genesereth سری: Synthesis Lectures on Artificial Intelligence and Machine Learning ISBN (شابک) : 1598297414, 9781598297416 ناشر: Morgan and Claypool Publishers سال نشر: 2010 تعداد صفحات: 111 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 841 کیلوبایت
کلمات کلیدی مربوط به کتاب ادغام داده ها: رویکرد منطقی رابطه ای: انفورماتیک و مهندسی کامپیوتر، هوش مصنوعی
در صورت تبدیل فایل کتاب Data Integration: The Relational Logic Approach به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ادغام داده ها: رویکرد منطقی رابطه ای نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
یکپارچهسازی دادهها یک مشکل حیاتی در دنیای بههم پیوسته اما ناگزیر ناهمگن ما است. منابع داده های متعددی در پایگاه داده های سازمانی و سیستم های اطلاعات عمومی مانند شبکه جهانی وب موجود است. جای تعجب نیست که منابع اغلب از واژگان مختلف و ساختارهای داده متفاوتی استفاده میکنند، همانطور که توسط افراد مختلف در زمانهای مختلف و برای اهداف متفاوت ایجاد میشوند. هدف از یکپارچه سازی داده ها فراهم کردن دسترسی یکپارچه به کاربران برنامه ای و انسانی به منابع داده های متعدد و ناهمگن است که به هر کاربر توهم یک پایگاه داده واحد و همگن را می دهد که برای نیاز خاص او طراحی شده است. خبر خوب این است که در بسیاری از موارد، فرآیند یکپارچه سازی داده ها می تواند خودکار باشد. این کتاب مقدمه ای بر مسئله یکپارچه سازی داده ها و شرح دقیق یکی از رویکردهای پیشرو برای حل این مشکل، یعنی رویکرد منطق رابطه ای است. منطق رابطه ای یک چارچوب نظری برای بحث در مورد یکپارچه سازی داده ها فراهم می کند. علاوه بر این، در بسیاری از موارد مهم، الگوریتم هایی را برای حل مسئله به روش محاسباتی عملی ارائه می دهد. از بسیاری جهات، منطق رابطه ای برای ادغام داده ها همان کاری را انجام می دهد که جبر رابطه ای چندین دهه پیش برای نظریه پایگاه داده انجام داد. یک وب سایت همراه، نمایش های تعاملی الگوریتم ها را ارائه می دهد. فهرست مطالب: پیشگفتار / ویرایش تعاملی / مقدمه / مفاهیم اساسی / تاشو پرس و جو / برنامه ریزی پرس و جو / مدیریت طرح اصلی / پیوست / منابع / فهرست / بیوگرافی نویسنده
Data integration is a critical problem in our increasingly interconnected but inevitably heterogeneous world. There are numerous data sources available in organizational databases and on public information systems like the World Wide Web. Not surprisingly, the sources often use different vocabularies and different data structures, being created, as they are, by different people, at different times, for different purposes. The goal of data integration is to provide programmatic and human users with integrated access to multiple, heterogeneous data sources, giving each user the illusion of a single, homogeneous database designed for his or her specific need. The good news is that, in many cases, the data integration process can be automated. This book is an introduction to the problem of data integration and a rigorous account of one of the leading approaches to solving this problem, viz., the relational logic approach. Relational logic provides a theoretical framework for discussing data integration. Moreover, in many important cases, it provides algorithms for solving the problem in a computationally practical way. In many respects, relational logic does for data integration what relational algebra did for database theory several decades ago. A companion web site provides interactive demonstrations of the algorithms. Table of Contents: Preface / Interactive Edition / Introduction / Basic Concepts / Query Folding / Query Planning / Master Schema Management / Appendix / References / Index / Author Biography
Data Integration The Relational Logic Approach......Page 6
Synthesis Lectures on Artificial Intelligence and Machine Learning......Page 4
Keywords......Page 7
Contents......Page 8
Preface......Page 10
Interactive Edition......Page 12
1.1 DATA INTEGRATION......Page 14
1.2 HETEROGENEITY......Page 15
1.3 DIRECT MAPPING......Page 20
1.4 SOURCE-BASED INTEGRATION......Page 25
1.5 MODEL-CENTRIC INTEGRATION......Page 28
1.6 READING GUIDE......Page 29
2.1 RELATIONAL DATABASES......Page 32
2.2 SENTENTIAL DATABASES......Page 34
2.3 DATALOG PROGRAMS......Page 35
2.4 OPEN DATALOG PROGRAMS......Page 37
2.5 DATABASE QUERIES......Page 38
2.6 DATABASE CONSTRAINTS......Page 39
2.8 FUNCTIONAL DATALOG PROGRAMS......Page 40
2.10 ENHANCED DATALOG PROGRAMS......Page 41
3.2 PROBLEM DEFINITION......Page 44
3.3 INVERSE METHOD......Page 46
3.4 CONJUNCTIVE SOURCE DEFINITIONS......Page 47
3.5 DISJUNCTIVE SOURCE DEFINITIONS......Page 50
Bucket Algorithm......Page 56
Unijoin Algorithm......Page 58
3.7 DECIDABILITY......Page 60
4.2 OPTIMIZATION......Page 62
4.3 SOURCING......Page 64
4.4 EXECUTION PLANNING......Page 67
5.1 INTRODUCTION......Page 72
5.2 REIFICATION......Page 73
5.3 AUXILIARY TABLES......Page 74
5.4 CONSTRAINT FOLDING......Page 76
A.2 Sentential Representation......Page 80
A.3 Linked Lists......Page 86
A.4 Unification......Page 87
A.5 Storage......Page 90
A.6 Local Evaluation......Page 94
A.7 Query Folding......Page 99
A.8 Sourcing......Page 101
References......Page 104
Index......Page 108
Author Biography......Page 110