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: Arijit Khan, Yuan Ye, Lei Chen سری: Synthesis Lectures on Data Management ISBN (شابک) : 1681730375, 9781681730370 ناشر: Morgan & Claypool Publishers سال نشر: 2018 تعداد صفحات: 96 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب On Uncertain Graphs 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 در نمودارهای نامشخص 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.
شبکه های در مقیاس بزرگ و بسیار به هم پیوسته، که اغلب به صورت نمودار مدل می شوند، هم در جامعه ما و هم در دنیای طبیعی اطراف ما نفوذ می کنند. از سوی دیگر، عدم قطعیت به دلایل مختلفی مانند اندازهگیریهای پر سر و صدا، عدم نیاز به اطلاعات دقیق، مدلهای استنتاج و پیشبینی، یا دستکاری صریح، بهعنوان مثال برای اهداف حفظ حریم خصوصی، در دادههای اساسی ذاتی است. بنابراین، نمودارهای نامطمئن یا احتمالی به طور فزاینده ای برای نمایش داده های مرتبط با نویز در بسیاری از سناریوهای کاربردی در حال ظهور مورد استفاده قرار می گیرند و اخیراً به یک موضوع داغ در پایگاه داده و جوامع داده کاوی تبدیل شده اند. بسیاری از الگوریتمهای کلاسیک مانند دسترسیپذیری و کوئریهای کوتاهترین مسیر به #P-complete تبدیل میشوند و بنابراین در نمودارهای نامشخص گرانتر میشوند. علاوه بر این، پرسوجوها و تحلیلهای پیچیده مختلف نیز در شبکههای نامشخص، مانند تطبیق الگو، انتشار اطلاعات، و پرسوجوهای به حداکثر رساندن تأثیر، در حال ظهور هستند. در این کتاب، ما در مورد منابع نمودارهای نامشخص و کاربردهای آنها، مدلسازی عدم قطعیت، و همچنین پیچیدگیها و پیشرفتهای الگوریتمی در پردازش نمودارهای نامشخص در زمینه پرس و جوها و تحلیلهای گراف کلاسیک و نوظهور بحث میکنیم. ما بر چالشهای فعلی تأکید میکنیم و برخی از جهتهای تحقیقاتی آینده را برجسته میکنیم.
Large-scale, highly interconnected networks, which are often modeled as graphs, pervade both our society and the natural world around us. Uncertainty, on the other hand, is inherent in the underlying data due to a variety of reasons, such as noisy measurements, lack of precise information needs, inference and prediction models, or explicit manipulation, e.g., for privacy purposes. Therefore, uncertain, or probabilistic, graphs are increasingly used to represent noisy linked data in many emerging application scenarios, and they have recently become a hot topic in the database and data mining communities. Many classical algorithms such as reachability and shortest path queries become #P-complete and, thus, more expensive over uncertain graphs. Moreover, various complex queries and analytics are also emerging over uncertain networks, such as pattern matching, information diffusion, and influence maximization queries. In this book, we discuss the sources of uncertain graphs and their applications, uncertainty modeling, as well as the complexities and algorithmic advances on uncertain graphs processing in the context of both classical and emerging graph queries and analytics. We emphasize the current challenges and highlight some future research directions.
Acknowledgments Introduction to Uncertain Graphs Data as Uncertain Graphs Modeling of Uncertain Graphs Challenges in Processing Uncertain Graphs Reliability Queries Reliability Shortest Path Nearest Neighbors Graph Pattern Matching Queries The Pattern Matching Problem Filtering-and-Verification Framework Probabilistic Pruning Verification Basic Sampling Tree-based Sampling Hybrid Sampling Graph Similarity Search Queries The Similarity Search Problem Probabilistic Subgraph Similarity Query Processing Probabilistic Supergraph Similarity Query Processing Influence Maximization Information Diffusion Models The Influence Maximization Problem Competitive Influence Maximization Influence Maximization as a Service Topic-aware Influence Maximization Major Open Problems Bibliography Authors' Biographies