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: Dan Suciu, Dan Olteanu, Christopher Ré, Christoph Koch سری: Synthesis Lectures on Data Management ISBN (شابک) : 1608456803, 9781608456802 ناشر: Morgan & Claypool Publishers سال نشر: 2011 تعداد صفحات: 182 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Probabilistic Databases 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 پایگاه داده های احتمالی (سخنرانی های تلفیقی در مدیریت داده 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.
پایگاههای اطلاعاتی احتمالی، پایگاههایی هستند که ارزش برخی از ویژگیها یا وجود برخی رکوردها نامشخص است و فقط با احتمالی مشخص است. برنامه های کاربردی در بسیاری از زمینه ها مانند استخراج اطلاعات، RFID و مدیریت داده های علمی، پاکسازی داده ها، یکپارچه سازی داده ها و ارزیابی ریسک مالی حجم زیادی از داده های نامشخص را تولید می کنند که به بهترین وجه توسط یک پایگاه داده احتمالی مدل سازی و پردازش می شوند. این کتاب وضعیت هنر را در فرمالیسم های بازنمایی و تکنیک های پردازش پرس و جو برای داده های احتمالی ارائه می دهد. با بحث در مورد اصول اولیه برای نمایش پایگاههای داده احتمالی بزرگ، با تجزیه آنها به جداول مستقل از تاپل، جداول مستقل از بلوک، یا پایگاههای داده U شروع میشود. سپس دو دسته از تکنیک ها را برای ارزیابی پرس و جو در پایگاه داده های احتمالی مورد بحث قرار می دهد. در ارزیابی پرس و جوی توسعه ای، کل استنتاج احتمالی را می توان به موتور پایگاه داده منتقل کرد و بنابراین، به اندازه ارزیابی پرس و جوهای استاندارد SQL به طور مؤثر پردازش شد. پرس و جوهای رابطه ای که می توان از این طریق ارزیابی کرد، پرس و جوهای ایمن نامیده می شوند. در ارزیابی جست و جوی پرس و جو، استنتاج احتمالی بر روی یک فرمول گزاره ای به نام بیان خطی انجام می شود: هر پرس و جو رابطه ای را می توان از این طریق ارزیابی کرد، اما پیچیدگی داده به طور چشمگیری به پرس و جوی مورد ارزیابی بستگی دارد و می تواند #P-hard باشد. این کتاب همچنین برخی از موضوعات پیشرفته در مدیریت دادههای احتمالی مانند پردازش پرس و جو top-k، پایگاههای اطلاعاتی احتمالی متوالی، نمایهسازی و نماهای تحققیافته و پایگاههای داده مونت کارلو را مورد بحث قرار میدهد. فهرست مطالب: بررسی اجمالی / مدل داده ها و پرس و جو / مسئله ارزیابی پرس و جو / ارزیابی پرس و جوی گسترده / ارزیابی عمدی پرس و جو / تکنیک های پیشرفته
Probabilistic databases are databases where the value of some attributes or the presence of some records are uncertain and known only with some probability. Applications in many areas such as information extraction, RFID and scientific data management, data cleaning, data integration, and financial risk assessment produce large volumes of uncertain data, which are best modeled and processed by a probabilistic database. This book presents the state of the art in representation formalisms and query processing techniques for probabilistic data. It starts by discussing the basic principles for representing large probabilistic databases, by decomposing them into tuple-independent tables, block-independent-disjoint tables, or U-databases. Then it discusses two classes of techniques for query evaluation on probabilistic databases. In extensional query evaluation, the entire probabilistic inference can be pushed into the database engine and, therefore, processed as effectively as the evaluation of standard SQL queries. The relational queries that can be evaluated this way are called safe queries. In intensional query evaluation, the probabilistic inference is performed over a propositional formula called lineage expression: every relational query can be evaluated this way, but the data complexity dramatically depends on the query being evaluated, and can be #P-hard. The book also discusses some advanced topics in probabilistic data management such as top-k query processing, sequential probabilistic databases, indexing and materialized views, and Monte Carlo databases. Table of Contents: Overview / Data and Query Model / The Query Evaluation Problem / Extensional Query Evaluation / Intensional Query Evaluation / Advanced Techniques
Preface: A Great Promise......Page 13
Acknowledgments......Page 17
Two Examples......Page 19
Possible Worlds Semantics......Page 23
Query Semantics......Page 24
Lineage......Page 25
Probabilistic Databases v.s. Graphical Models......Page 26
Safe Queries, Safe Query Plans, and the Dichotomy......Page 27
Applications of Probabilistic Databases......Page 28
Bibliographic and Historical Notes......Page 31
Background of the Relational Data Model......Page 35
The Probabilistic Data Model......Page 37
Query Semantics......Page 39
Queries: Possible Answers Semantics......Page 40
C-Tables and PC-Tables......Page 41
Lineage......Page 45
Properties of a Representation System......Page 47
Simple Probabilistic Database Design......Page 48
Tuple-independent Databases......Page 49
BID Databases......Page 53
U-Databases......Page 55
Bibliographic and Historical Notes......Page 59
The Complexity of P()......Page 63
The Complexity of P(Q)......Page 66
Bibliographic and Historical Notes......Page 69
Extensional Query Evaluation......Page 71
Query Independence......Page 73
Six Simple Rules for P(Q)......Page 74
Examples of Unsafe (Intractable) Queries......Page 79
Examples of Safe (Tractable) Queries......Page 80
The Möbius Function......Page 83
Completeness......Page 87
Extensional Operators......Page 93
An Algorithm for Safe Plans......Page 98
Extensional Plans for Unsafe Queries......Page 99
BID Tables......Page 102
Deterministic Tables......Page 104
Bibliographic and Historical Notes......Page 105
Intensional Query Evaluation......Page 109
Five Simple Rules for P()......Page 110
An Algorithm for P()......Page 114
Read-Once Formulas......Page 116
Compiling P()......Page 117
d-DNNF......Page 118
OBDD......Page 119
A deterministic approximation algorithm......Page 120
Monte Carlo Approximation......Page 122
Query Compilation......Page 126
Conjunctive Queries without Self-Joins......Page 127
Unions of Conjunctive Queries......Page 128
Discussion......Page 137
Bibliographic and Historical Notes......Page 138
Top-k Query Answering......Page 141
Computing the Set Topk......Page 142
Sequential Probabilistic Databases......Page 147
The MCDB Data Model......Page 152
Query Evaluation in MCDB......Page 153
Indexes for Probabilistic data......Page 155
Materialized Views for Relational Probabilistic Databases......Page 158
Conclusion......Page 161
Bibliography......Page 163
Authors' Biographies......Page 181