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, Devis Bianchini, Valeria De Antonellis, Roberto De Virgilio (eds.) سری: Lecture Notes in Computer Science 8990 ISBN (شابک) : 9783662465615, 9783662465622 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2015 تعداد صفحات: 137 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب معاملات در سیستم های اطلاعاتی و دانش محور گسترده XIX: مسئله ویژه در مورد داده های بزرگ و داده های باز: برنامه های کاربردی سیستم های اطلاعاتی (شامل اینترنت)، شبکه های ارتباطی کامپیوتری، مدیریت پایگاه داده، هوش مصنوعی (شامل رباتیک)، ذخیره سازی و بازیابی اطلاعات، مدیریت سیستم های محاسباتی و اطلاعاتی
در صورت تبدیل فایل کتاب Transactions on Large-Scale Data- and Knowledge-Centered Systems XIX: Special Issue on Big Data and Open Data 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 سیستم های اطلاعاتی و دانش محور گسترده XIX: مسئله ویژه در مورد داده های بزرگ و داده های باز 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.
مجله LNCS Transactions on Large-Scale Data- and Knowledge-Centred Systems بر مدیریت داده ها، 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 شماره، نوزدهمین شماره تراکنشها در مقیاس بزرگ دادهها و سیستمهای دانش محور، شامل چهار مقاله با کیفیت بالا است که حوزههای دادههای مرتبط و کلان دادهها را از منظر مدیریت داده بررسی میکنند. دو مقاله از چهار مقاله بر روی کاربرد تکنیک های خوشه بندی در انجام استنتاج و جستجو بر روی منابع داده (پیوند شده) تمرکز دارند. یک مقاله از تکنیک های تجزیه و تحلیل گراف برای فعال کردن یکپارچه سازی داده های سازمانی در سطح برنامه استفاده می کند و مقاله نهایی رویکردی را برای محافظت از داده های نمایه کاربران در برابر افشا، دستکاری و استفاده نادرست توصیف می کند.
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 19th issue of Transactions on Large-Scale Data- and Knowledge-Centered Systems, contains four high-quality papers investigating the areas of linked data and big data from a data management perspective. Two of the four papers focus on the application of clustering techniques in performing inference and search over (linked) data sources. One paper leverages graph analysis techniques to enable application-level integration of institutional data and a final paper describes an approach for protecting users' profile data from disclosure, tampering, and improper use.
Front Matter....Pages I-IX
Structure Inference for Linked Data Sources Using Clustering....Pages 1-25
The Web Within: Leveraging Web Standards and Graph Analysis to Enable Application-Level Integration of Institutional Data....Pages 26-54
Dimensional Clustering of Linked Data: Techniques and Applications....Pages 55-86
ProProtect3: An Approach for Protecting User Profile Data from Disclosure, Tampering, and Improper Use in the Context of WebID....Pages 87-127
Back Matter....Pages 129-129