Linking and Mining Heterogeneous and Multi-view Data

این کتاب تحقیقات در زمینه پیوند دادن و استخراج داده ها از منابع مختلف داده را برجسته می کند. نویسندگان بر پیشرفت‌های اخیر در این زمینه رو به رشد تلفیق داده‌های چند منبعی، با تأکید بر تجزیه و تحلیل داده‌های اکتشافی و بدون نظارت تمرکز می‌کنند، حوزه‌ای که اهمیت فزاینده‌ای دارد با سرعت رشد داده‌ها که به شدت از هر شانسی برای برچسب‌گذاری دستی آنها پیشی می‌گیرد. این کتاب به الگوریتم‌ها و فناوری‌های زیربنایی می‌پردازد که این منطقه را در تجزیه و تحلیل داده‌های بزرگ تسهیل می‌کنند، برنامه‌های کاربردی آن‌ها را در حوزه‌هایی مانند حمل‌ونقل هوشمندتر، رسانه‌های اجتماعی، تشخیص اخبار جعلی و جستجوی سازمانی در میان سایر موارد پوشش می‌دهد. این کتاب خوانندگان را قادر می‌سازد تا طیفی از پیشرفت‌ها را در این حوزه نوظهور درک کنند و امیدواریم آنها را قادر سازد تا روش‌هایی را در ترکیب و تجزیه و تحلیل داده‌های چند منبعی با کاربردها در سناریوهای مختلف توسعه دهند.

• شامل پیشرفت‌هایی در مورد رویکردهای بدون نظارت، نیمه نظارت و نظارت شده برای پیوند و ادغام داده‌های ناهمگن.
• پوشش‌ها از مواردی از تجزیه و تحلیل بر روی داده‌های چند نما و ناهمگن از دامنه‌های مختلف مانند اخبار جعلی، حمل‌ونقل هوشمندتر و رسانه‌های اجتماعی، از جمله موارد دیگر استفاده می‌کنند؛
  
• ارائه می‌کند یک نمای کلی در سطح بالا از پیشرفت‌ها در این زمینه نوظهور و خواننده را قادر می‌سازد تا برنامه‌ها و روش‌های جدیدی را کشف کند که زمینه را غنی‌تر می‌کند.

This book highlights research in linking and mining data from across varied data sources. The authors focus on recent advances in this burgeoning field of multi-source data fusion, with an emphasis on exploratory and unsupervised data analysis, an area of increasing significance with the pace of growth of data vastly outpacing any chance of labeling them manually. The book looks at the underlying algorithms and technologies that facilitate the area within big data analytics, it covers their applications across domains such as smarter transportation, social media, fake news detection and enterprise search among others. This book enables readers to understand a spectrum of advances in this emerging area, and it will hopefully empower them to leverage and develop methods in multi-source data fusion and analytics with applications to a variety of scenarios.

• Includes advances on unsupervised, semi-supervised and supervised approaches to heterogeneous data linkage and fusion;
• Covers use cases of analytics over multi-view and heterogeneous data from across a variety of domains such as fake news, smarter transportation and social media, among others;
  
• Provides a high-level overview of advances in this emerging field and empowers the reader to explore novel applications and methodologies that would enrich the field.