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: Abdelkader Hameurlain, Josef Küng, Roland Wagner (eds.) سری: Lecture Notes in Computer Science 10120 ISBN (شابک) : 9783662540367, 9783662540374 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2016 تعداد صفحات: 142 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
کلمات کلیدی مربوط به کتاب معاملات در مقیاس بزرگ داده ها و سیستم های دانش محور XXIX: مدیریت پایگاه داده، داده کاوی و کشف دانش، هوش مصنوعی (شامل رباتیک)، ذخیره سازی و بازیابی اطلاعات، برنامه های کاربردی سیستم های اطلاعاتی (شامل اینترنت)، تجزیه و تحلیل الگوریتم و پیچیدگی مسائل
در صورت تبدیل فایل کتاب Transactions on Large-Scale Data- and Knowledge-Centered Systems XXIX 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 معاملات در مقیاس بزرگ داده ها و سیستم های دانش محور XXIX 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.
ژورنال LNCS Transactions on Large-Scale Data- and Knowledge-Centre Systems بر مدیریت داده، کشف دانش و پردازش دانش تمرکز دارد که موضوعات اصلی و داغ در علوم کامپیوتر هستند. از دهه 1990، اینترنت به نیروی محرکه اصلی توسعه اپلیکیشن در همه حوزه ها تبدیل شده است. افزایش تقاضا برای اشتراکگذاری منابع در سایتهای مختلف متصل از طریق شبکهها منجر به تکامل سیستمهای مدیریت داده و دانش از سیستمهای متمرکز به سیستمهای غیرمتمرکز شده است که برنامههای کاربردی توزیعشده در مقیاس بزرگ را قادر میسازند مقیاسپذیری بالایی را ارائه کنند. سیستم های غیرمتمرکز کنونی همچنان بر داده ها و دانش به عنوان منبع اصلی خود تمرکز می کنند. امکان سنجی این سیستم ها اساساً به تکنیک های P2P (همتا به همتا) و پشتیبانی از سیستم های عامل با مقیاس بندی و کنترل غیرمتمرکز متکی است. هم افزایی بین شبکهها، سیستمهای P2P و فناوریهای عامل، کلید سیستمهای دادهمحور و دانش محور در محیطهای مقیاس بزرگ است.
این، بیست و نهمین شماره از تراکنشهای دادههای مقیاس بزرگ است. - و سیستم های دانش محور، شامل چهار مقاله منتخب اصلاح شده است. موضوعات تحت پوشش شامل فرآیندهای بهینه سازی و اعتبار سنجی خوشه ای برای تطبیق موجودیت، سیستم های هوش تجاری و پروفایل داده در وب معنایی است.The LNCS journal Transactions on Large-Scale Data- and Knowledge-Centered Systems focuses on data management, knowledge discovery, and knowledge processing, which are core and hot topics in computer science. Since the 1990s, the Internet has become the main driving force behind application development in all domains. An increase in the demand for resource sharing across different sites connected through networks has led to an evolution of data- and knowledge-management systems from centralized systems to decentralized systems enabling large-scale distributed applications providing high scalability. Current decentralized systems still focus on data and knowledge as their main resource. Feasibility of these systems relies basically on P2P (peer-to-peer) techniques and the support of agent systems with scaling and decentralized control. Synergy between grids, P2P systems, and agent technologies is the key to data- and knowledge-centered systems in large-scale environments.
This, the 29th issue of Transactions on Large-Scale Data- and Knowledge-Centered Systems, contains four revised selected regular papers. Topics covered include optimization and cluster validation processes for entity matching, business intelligence systems, and data profiling in the Semantic Web.Front Matter....Pages I-VII
Sensitivity - An Important Facet of Cluster Validation Process for Entity Matching Technique....Pages 1-39
Pay-as-you-go Configuration of Entity Resolution....Pages 40-65
A Unified View of Data-Intensive Flows in Business Intelligence Systems: A Survey....Pages 66-107
A Self-Adaptive and Incremental Approach for Data Profiling in the Semantic Web....Pages 108-133
Back Matter....Pages 135-135