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: Yizhou Sun. Jiawei Han
سری: Synthesis Lectures on Data Mining and Knowledge Discovery
ISBN (شابک) : 9781608458813
ناشر: Morgan & Claypool
سال نشر: 2012
تعداد صفحات: 145
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Mining Heterogeneous Information Networks. Principles and Methodologies 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 استخراج شبکه های اطلاعات ناهمگن. اصول و روش ها 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.
اشیاء داده های فیزیکی و انتزاعی دنیای واقعی به هم پیوسته اند و شبکه های غول پیکر و به هم پیوسته را تشکیل می دهند. با ساختار دهی این اشیاء داده و تعاملات بین این اشیاء به انواع مختلف، چنین شبکه هایی به شبکه های اطلاعاتی ناهمگن نیمه ساختاریافته تبدیل می شوند. اکثر برنامه های کاربردی دنیای واقعی که داده های بزرگ را مدیریت می کنند، از جمله رسانه های اجتماعی به هم پیوسته و شبکه های اجتماعی، سیستم های اطلاعات علمی، مهندسی یا پزشکی، سیستم های تجارت الکترونیک آنلاین و اکثر سیستم های پایگاه داده، می توانند در شبکه های اطلاعاتی ناهمگن ساختاربندی شوند. بنابراین، تحلیل مؤثر شبکههای اطلاعاتی ناهمگن در مقیاس بزرگ، چالشی جالب اما حیاتی است. در این مقاله به بررسی اصول و روششناسی شبکههای اطلاعاتی ناهمگن میپردازیم. با خروج از بسیاری از مدلهای شبکه موجود که دادهها را بهعنوان نمودارها یا شبکههای همگن مشاهده میکنند، مدل شبکه اطلاعات ناهمگن نیمه ساختاریافته ما از معنای غنی گرهها و پیوندهای تایپشده در یک شبکه استفاده میکند و دانش غنی شگفتآوری را از دادههای به هم پیوسته کشف میکند. این مدلسازی شبکه ناهمگن نیمه ساختاریافته منجر به یک سری اصول جدید و روششناسی قدرتمند برای استخراج دادههای به هم پیوسته میشود، از جمله (1) خوشهبندی و طبقهبندی مبتنی بر رتبه، (2) جستجو و استخراج شباهت مبتنی بر فرامسیر، (3) رابطه. استخراج با آگاهی از قدرت و بسیاری از پیشرفتهای بالقوه دیگر. این تک نگاری این مرز پژوهشی جدید را معرفی می کند و به برخی جهت های پژوهشی امیدوارکننده اشاره می کند.
Real world physical and abstract data objects are interconnected, forming gigantic, interconnected networks. By structuring these data objects and interactions between these objects into multiple types, such networks become semi-structured heterogeneous information networks. Most real world applications that handle big data, including interconnected social media and social networks, scientific, engineering, or medical information systems, online e-commerce systems, and most database systems, can be structured into heterogeneous information networks. Therefore, effective analysis of large-scale heterogeneous information networks poses an interesting but critical challenge. In this monograph, we investigate the principles and methodologies of mining heterogeneous information networks. Departing from many existing network models that view data as homogeneous graphs or networks, our semi-structured heterogeneous information network model leverages the rich semantics of typed nodes and links in a network and uncovers surprisingly rich knowledge from interconnected data. This semi-structured heterogeneous network modeling leads to a series of new principles and powerful methodologies for mining interconnected data, including (1) rank-based clustering and classification, (2) meta-path-based similarity search and mining, (3) relation strength-aware mining, and many other potential developments. This monograph introduces this new research frontier and points out some promising research directions.