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
ویرایش: 1
نویسندگان: Christian Fürber (auth.)
سری:
ISBN (شابک) : 9783658122249, 9783658122256
ناشر: Gabler Verlag
سال نشر: 2016
تعداد صفحات: 230
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Data Quality Management with Semantic Technologies 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 مدیریت کیفیت داده با فناوری های معنایی 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.
Christian Fürber کاربرد مفید فناوری های معنایی را برای حوزه مدیریت کیفیت داده ها بررسی می کند. او بر اساس تحلیل ادبیات مشکلات کیفیت داده های معمولی و فعالیت های معمول فرآیندهای مدیریت کیفیت داده، چارچوب مدیریت کیفیت داده های معنایی را به عنوان سهم اصلی این پایان نامه توسعه می دهد. چارچوب SDQM از سه جزء تشکیل شده است که در دو مورد استفاده مختلف ارزیابی می شوند. علاوه بر این، این پایان نامه چارچوب را با نرم افزار کیفیت داده های معمولی مقایسه می کند. علاوه بر چارچوب، این پایان نامه یافته های نظری مهمی را ارائه می دهد، یعنی یک گونه شناسی جامع از مشکلات کیفیت داده، ده نوع نیاز داده های عمومی، یک فرآیند مدیریت کیفیت داده مبتنی بر نیاز، و تجزیه و تحلیل کار مرتبط.
Christian Fürber investigates the useful application of semantic technologies for the area of data quality management. Based on a literature analysis of typical data quality problems and typical activities of data quality management processes, he develops the Semantic Data Quality Management framework as the major contribution of this thesis. The SDQM framework consists of three components that are evaluated in two different use cases. Moreover, this thesis compares the framework to conventional data quality software. Besides the framework, this thesis delivers important theoretical findings, namely a comprehensive typology of data quality problems, ten generic data requirement types, a requirement-centric data quality management process, and an analysis of related work.
Front Matter....Pages I-XXVII
Introduction....Pages 1-7
Research Design....Pages 8-19
Data Quality....Pages 20-55
Semantic Technologies....Pages 56-68
Data Quality in the Semantic Web....Pages 69-77
Specification of Initial Requirements....Pages 78-86
Architecture of the Semantic Data Quality Management Framework (SDQM)....Pages 87-109
Application Procedure of SDQM....Pages 110-121
Evaluation of the Semantic Data Quality Management Framework (SDQM)....Pages 122-152
Related Work....Pages 153-170
Synopsis and Future Work....Pages 171-176
Back Matter....Pages 177-205