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: نویسندگان: Sourav S. Bhowmick, Byron Choi, Chengkai Li سری: Synthesis Lectures on Data Management ISBN (شابک) : 9781681733777 ناشر: Morgan & Claypool سال نشر: 2018 تعداد صفحات: 191 زبان: english فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Human Interaction with Graphs. A Visual Querying Perspective 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 تعامل انسان با نمودارها دیدگاه پرس و جوی بصری 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.
تعامل با نمودارها با استفاده از پرس و جو به عنوان یک مشکل تحقیقاتی مهم برای برنامه های کاربردی دنیای واقعی که بر داده های نمودار بزرگ متمرکز هستند، پدیدار شده است. با توجه به پیچیدگی نحوی زبان های پرس و جو گراف (به عنوان مثال، SPARQL، Cypher)، رابط های پرس و جو گراف بصری، پرس و جو از چنین مخازن داده های نموداری را برای غیر برنامه نویسان آسان می کند. در این کتاب، ما پیشرفتهای اخیر در حوزه نوظهور الگوی پرسوجو نمودار بصری را ارائه میکنیم که پرسوجو گراف سنتی را با تعامل کامپیوتر انسانی (HCI) پل میکند. به طور خاص، ما بر روی تکنیک هایی تمرکز می کنیم که بر یکپارچگی عمیق بین رابط پرس و جو گراف بصری و موتور پرس و جو گراف زیربنایی تاکید می کنند. ما در مورد استراتژیها و راهنماییهای مختلف برای ساخت پرسوجوهای نمودار بهصورت بصری، پردازش درهمآمیزی پرسوجوهای نمودار و اقدامات بصری، کاوش بصری نتایج جستجوی نمودار، و مطالعه عملکرد خودکار چارچوبهای پرسوجو گراف بصری بحث میکنیم. علاوه بر این، این کتاب مشکلات باز و مسیرهای تحقیقاتی جدید را برجسته می کند. به طور خلاصه، در این کتاب، ما تحقیقاتی را که تاکنون در مورد ادغام HCI و پرس و جو گراف انجام شده است، بررسی و خلاصه میکنیم تا تعامل کاربر پسند با دادههای ساختاریافته گراف را تسهیل کنیم و به محققان تصویری از وضعیت فعلی هنر در این موضوع ارائه کنیم. و جهت گیری های تحقیقاتی آتی
Interacting with graphs using queries has emerged as an important research problem for real-world applications that center on large graph data. Given the syntactic complexity of graph query languages (e.g., SPARQL, Cypher), visual graph query interfaces make it easy for non-programmers to query such graph data repositories. In this book, we present recent developments in the emerging area of visual graph querying paradigm that bridges traditional graph querying with human computer interaction (HCI). Specifically, we focus on techniques that emphasize deep integration between the visual graph query interface and the underlying graph query engine. We discuss various strategies and guidance for constructing graph queries visually, interleaving processing of graph queries and visual actions, visual exploration of graph query results, and automated performance study of visual graph querying frameworks. In addition, this book highlights open problems and new research directions. In summary, in this book, we review and summarize the research thus far into the integration of HCI and graph querying to facilitate user-friendly interaction with graph-structured data, giving researchers a snapshot of the current state of the art in this topic, and future research directions.
Contents......Page 4
Foreword......Page 8
Preface......Page 9
Interaction with Graphs Using Queries......Page 12
Graph Query Construction Using Visual Interfaces......Page 13
Integration of Visual Query Interface and Query Engine......Page 15
Overview of this Book......Page 17
Scope......Page 18
Graph Terminology......Page 19
Types of Graph Collection......Page 20
Frequent and Infrequent Features......Page 21
Structure of Visual Graph Query Interfaces......Page 23
Visual Graph Query Formulation......Page 24
Query Formulation-Related Terminology......Page 25
Summary......Page 27
Guidance for Visual Query Formulation......Page 29
Overview of AutoG......Page 31
Definition......Page 33
Query Autocompletion Modes......Page 34
C-prime Features......Page 35
Query Decomposition......Page 38
Generation of Candidate Suggestions......Page 40
Ranking Candidate Suggestions......Page 41
Feature DAG (FDAG) Index......Page 50
Performance Study......Page 52
Efficiency......Page 55
Guidance for Queries Over Large Networks......Page 57
Bibliographic Notes......Page 58
Conclusion......Page 60
Blending Human Interactions & Graph Query Processing......Page 61
Visual Substructure Search Problem......Page 63
The Framework......Page 65
An Instantiation......Page 68
Key Features of Action-Aware Index......Page 70
Action-Aware Frequent (A2F) Index......Page 71
Action-Aware Infrequent (A2I) Index......Page 75
Spindle-Shaped Graph (SPIG)......Page 76
Algorithm for SPIG Construction......Page 79
Analysis of SPIG Construction......Page 81
Similar Substructure Candidates Set Generation......Page 82
Generation of Approximate Query Results......Page 85
Supporting Query Modification......Page 86
Experimental Setup......Page 89
Performance on Real Graph Dataset......Page 90
Performance on Synthetic Graph Dataset......Page 93
Bibliographic Notes......Page 94
Conclusions......Page 97
Blending Interactions & Query Processing on Large Networks......Page 98
Overview and Contributions......Page 99
Overview......Page 100
Graphlets and Adjacent Graphlets......Page 105
Supergraphlets......Page 107
Frequent and Infrequent Fragments......Page 109
Fragment Join......Page 111
Generation of Frequent Fragments and SIFs......Page 114
Structure of G-SPIG......Page 119
Algorithm......Page 122
Candidate Data Graphs Generation......Page 125
Generation of Query Results......Page 127
Performance Study......Page 128
Experimental Setup......Page 129
System Response Time (SRT)......Page 131
Index Size......Page 133
Prefetching Time......Page 136
Performance on a Million-Nodes Network......Page 138
Bibliographic Notes......Page 140
Conclusions......Page 141
Results Exploration for Small- or Medium-Sized Data Graphs......Page 142
PICASSO......Page 143
Region-Based Exploration......Page 147
Exemplar-Based Exploration......Page 149
Feature-Based Exploration......Page 150
Bibliographic Notes......Page 151
Conclusions......Page 152
Simulation of Visual Subgraph Query Formulation......Page 153
Overview of ViSual......Page 155
Index-Based Generation of Subgraph Queries......Page 156
Quantitative Modeling of Visual Query Formulation......Page 159
Modeling Query Formulation Time......Page 160
Model Extensibility......Page 166
The ViSual Algorithm......Page 168
Performance of Test Subgraph Query Generation......Page 172
Performance of the Query Formulation Model and ViSual......Page 173
Conclusions......Page 178
Summary......Page 180
Future Research......Page 181
Biblio......Page 184