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: Avigdor Gal
سری: Synthesis Lectures on Data Management
ISBN (شابک) : 1608454339, 9781608454341
ناشر: Morgan & Claypool Publishers
سال نشر: 2011
تعداد صفحات: 98
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 Uncertain Schema Matching 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 تطبیق طرحواره 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.
تطبیق طرحواره وظیفه ارائه مطابقت بین مفاهیم توصیف کننده معنای داده ها در منابع داده های مختلف ناهمگن و توزیع شده است. تطبیق طرحواره یکی از عملیاتهای اساسی مورد نیاز فرآیند ادغام دادهها و طرحواره است، و بنابراین تأثیر زیادی بر نتایج آن دارد، خواه شامل تحویل محتوای هدفمند، یکپارچهسازی مشاهده، یکپارچهسازی پایگاه داده، بازنویسی پرس و جو بر روی منابع ناهمگن، حذف دادههای تکراری باشد. ، یا ساده سازی خودکار فعالیت های گردش کار که شامل منابع داده ناهمگن است. اگرچه تحقیقات تطبیق طرحواره بیش از 25 سال است که ادامه دارد، اخیراً متوجه شده است که تطبیقهای طرحواره ذاتاً نامشخص هستند. از سال 2003، کار بر روی عدم قطعیت در تطابق طرحواره، همراه با تحقیق در مورد عدم قطعیت در سایر زمینههای مدیریت داده، افزایش یافته است. این سخنرانی جنبه های مختلف عدم قطعیت در تطبیق طرحواره را در یک چارچوب واحد ارائه می دهد. ما فرمولهای اساسی عدم قطعیت را معرفی میکنیم و چندین نمایش جایگزین از عدم قطعیت تطبیق طرحواره ارائه میکنیم. سپس، دو روش متداول را که برای مقابله با عدم قطعیت در تطابق طرحوارهها، یعنی مجموعهها و تطابقهای top-K پیشنهاد شدهاند، پوشش میدهیم و آنها را در این زمینه تحلیل میکنیم. ما با مجموعه ای از برنامه های کاربردی در دنیای واقعی به پایان می رسیم. فهرست مطالب: مقدمه / مدلهای عدم قطعیت / مدلسازی تطبیق طرحواره نامشخص / مجموعههای تطبیق طرحواره / تطبیقهای طرحواره Top-K / کاربردها / نتیجهگیری و کار آینده
Schema matching is the task of providing correspondences between concepts describing the meaning of data in various heterogeneous, distributed data sources. Schema matching is one of the basic operations required by the process of data and schema integration, and thus has a great effect on its outcomes, whether these involve targeted content delivery, view integration, database integration, query rewriting over heterogeneous sources, duplicate data elimination, or automatic streamlining of workflow activities that involve heterogeneous data sources. Although schema matching research has been ongoing for over 25 years, more recently a realization has emerged that schema matchers are inherently uncertain. Since 2003, work on the uncertainty in schema matching has picked up, along with research on uncertainty in other areas of data management. This lecture presents various aspects of uncertainty in schema matching within a single unified framework. We introduce basic formulations of uncertainty and provide several alternative representations of schema matching uncertainty. Then, we cover two common methods that have been proposed to deal with uncertainty in schema matching, namely ensembles, and top-K matchings, and analyze them in this context. We conclude with a set of real-world applications. Table of Contents: Introduction / Models of Uncertainty / Modeling Uncertain Schema Matching / Schema Matcher Ensembles / Top-K Schema Matchings / Applications / Conclusions and Future Work
Preface......Page 12
Introduction......Page 14
Schema Matching in the Data Integration Life Cycle......Page 15
Manuscript Outline......Page 16
Probability Theory......Page 18
Triangular Norms......Page 19
Fuzzy Aggregate Operators......Page 20
Discussion......Page 21
Model......Page 22
Schema and attributes......Page 23
Attribute correspondences and the similarity matrix......Page 24
Schema matching......Page 27
(Yet Another) Schema Matcher Classification......Page 28
Deep Web Information......Page 32
Holistic Matching......Page 33
Non-(1:1) cardinality constraints......Page 34
Reasoning using Fuzzy Set Theory......Page 35
Reasoning using Probability Theory......Page 39
Assessing Matching Quality......Page 40
The monotonicity principle......Page 42
The Art of Matcher Ensembling......Page 46
2LNB: A Voting Mechanism for Ensembles......Page 49
Constructing Ensembles......Page 54
AdaBoost......Page 55
SMB: Schema Matcher Boosting......Page 56
Ensemble Construction with SMB: Empirical Analysis......Page 59
Top-K Schema Matchings: Definition......Page 62
Finding the Top-2 Matchings using Abest......Page 64
Finding the Top-2 Matchings using Alternating Paths......Page 65
Finding the Top-K Matchings......Page 68
Extending top-K identification to Ensembles......Page 73
The Matrix-Direct Algorithm......Page 74
Matrix-Direct Algorithm with Bounding......Page 76
Schema matching verification......Page 78
Finding probabilistic attribute correspondences......Page 82
Peer-to-Peer Data Integration Systems......Page 84
Disaster Data Management......Page 85
Web Service Discovery and Composition......Page 86
Communities of Knowledge......Page 87
Conclusions and Future Work......Page 88
Bibliography......Page 90
Author\'s Biography......Page 98