مشخصات کتاب

Probabilistic Ranking Techniques in Relational Databases

ویرایش: 1 
نویسندگان: Ihab F. Ilyas,  Mohamed A. Soliman  
سری: Synthesis Lectures on Data Management 
ISBN (شابک) : 160845567X, 9781608455676 
ناشر: Morgan & Claypool 
سال نشر: 2011 
تعداد صفحات: 81 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد

در صورت تبدیل فایل کتاب Probabilistic Ranking Techniques in Relational 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 تکنیک های رتبه بندی احتمالی در پایگاه های داده رابطه ای 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.

توضیحاتی در مورد کتاب تکنیک های رتبه بندی احتمالی در پایگاه های داده رابطه ای

پرس و جوهای رتبه بندی به طور گسترده در کاوش داده ها، تجزیه و تحلیل داده ها و سناریوهای تصمیم گیری استفاده می شوند. در حالی که اکثر تکنیک‌های رتبه‌بندی پیشنهادی در حال حاضر بر روی داده‌های قطعی تمرکز می‌کنند، چندین برنامه کاربردی نوظهور شامل داده‌هایی هستند که نادقیق یا نامطمئن هستند. رتبه بندی داده های نامطمئن چالش های جدیدی را در معنای پرس و جو و پردازش ایجاد می کند و روش های مرسوم را غیرقابل اجرا می کند. علاوه بر این، تعامل بین مدل‌های رتبه‌بندی و عدم قطعیت، ابعاد جدیدی را برای سفارش‌دهی نتایج پرس‌وجو معرفی می‌کند که در تنظیمات سنتی وجود ندارند. این سخنرانی فرمول‌بندی‌ها و تکنیک‌های پردازش جدیدی را برای رتبه‌بندی پرسش‌ها بر روی داده‌های نامشخص توصیف می‌کند. فرمول‌بندی‌ها بر اساس تلفیق معناشناسی رتبه‌بندی سنتی با معناشناسی جهان‌های ممکن تحت مدل‌های عدم قطعیت به طور گسترده اتخاذ شده‌اند. به طور خاص، ما بر روی بحث درباره تاثیر عدم قطعیت در سطح چندگانه و سطح صفت بر روی معنای شناسی و تکنیک های پردازش پرس و جوهای رتبه بندی تمرکز می کنیم. تحت مدل عدم قطعیت سطح چندگانه، ما تکنیک‌های پردازشی جدیدی را توصیف می‌کنیم که از قابلیت‌های سیستم‌های پایگاه داده رابطه‌ای برای شناسایی و مدیریت عدم قطعیت داده در رتبه‌بندی مبتنی بر امتیاز استفاده می‌کنند. تحت مدل عدم قطعیت سطح ویژگی، مدل‌های رتبه‌بندی احتمالی جدید و مجموعه‌ای از الگوریتم‌های ارزیابی پرس و جو، از جمله تکنیک‌های مبتنی بر نمونه‌گیری را توصیف می‌کنیم. ما همچنین درباره پشتیبانی از جستارهای پیوستن رتبه در داده‌های نامشخص بحث می‌کنیم و نشان می‌دهیم که چگونه روش‌های پیوستن رتبه فعلی را برای کنترل عدم قطعیت در ویژگی‌های امتیازدهی گسترش دهیم. فهرست مطالب: مقدمه / مدل های عدم قطعیت / معناشناسی پرس و جو / روش شناسی / پیوستن به رتبه نامشخص / نتیجه گیری

توضیحاتی درمورد کتاب به خارجی

Ranking queries are widely used in data exploration, data analysis and decision making scenarios. While most of the currently proposed ranking techniques focus on deterministic data, several emerging applications involve data that are imprecise or uncertain. Ranking uncertain data raises new challenges in query semantics and processing, making conventional methods inapplicable. Furthermore, the interplay between ranking and uncertainty models introduces new dimensions for ordering query results that do not exist in the traditional settings. This lecture describes new formulations and processing techniques for ranking queries on uncertain data. The formulations are based on marriage of traditional ranking semantics with possible worlds semantics under widely-adopted uncertainty models. In particular, we focus on discussing the impact of tuple-level and attribute-level uncertainty on the semantics and processing techniques of ranking queries. Under the tuple-level uncertainty model, we describe new processing techniques leveraging the capabilities of relational database systems to recognize and handle data uncertainty in score-based ranking. Under the attribute-level uncertainty model, we describe new probabilistic ranking models and a set of query evaluation algorithms, including sampling-based techniques. We also discuss supporting rank join queries on uncertain data, and we show how to extend current rank join methods to handle uncertainty in scoring attributes. Table of Contents: Introduction / Uncertainty Models / Query Semantics / Methodologies / Uncertain Rank Join / Conclusion

فهرست مطالب

Introduction......Page 11
Tuple Level Uncertainty......Page 12
Attribute Level Uncertainty......Page 13
Challenges......Page 15
State-of-the-art......Page 16
Tuple Uncertainty Models......Page 19
Attribute Uncertainty Models......Page 23
Discrete Uncertain Scores......Page 24
Continuous Uncertain Scores......Page 25
Mode-based Semantics......Page 29
Aggregation-based Semantics......Page 32
Applications......Page 36
UTop-Prefix Under Tuple Uncertainty......Page 37
UTop-Prefix Under Attribute Uncertainty......Page 40
Monte-Carlo Simulation......Page 42
Computing UTop-Rank Query......Page 43
Computing UTop-Prefix and UTop-Set Queries......Page 44
Dynamic Programming......Page 45
UTop-Rank Query under Independence......Page 46
Generating Functions......Page 47
Probabilistic Threshold......Page 49
Typical Top-k Answers......Page 50
Expected Ranks......Page 52
Uncertain Rank Aggregation......Page 53
Uncertain Rank Join Problem......Page 57
Computing the Top-k Join Results......Page 59
Join-aware Sampling......Page 62
Incremental Ranking......Page 64
MashRank Architecture......Page 66
Information Extraction......Page 69
Mashup Planning......Page 70
Conclusion......Page 75
Bibliography......Page 77
Authors\' Biographies......Page 81

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Food and Packaging Interactions II

دانلود کتاب Design of Master Agreements for OTC Derivatives

دانلود کتاب Evolution of Markets and Institutions A Study of an Emerging Economy (Routledge Studies in Development Economics)

دانلود کتاب Femtosecond Beam Science

دانلود کتاب Арктическое материаловедение: состояние и развитие