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: نویسندگان: Chen. Lei, Jensen. Christian S., Lian. Xiang, Shahabi. Cyrus, Yang. Xiaochun سری: Lecture notes in computer science 10367.; LNCS sublibrary. SL 3, Information systems and applications incl. Internet/Web and HCI ISBN (شابک) : 9783319635644, 9783319635637 ناشر: Springer سال نشر: 2017 تعداد صفحات: 362 [377] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 33 Mb
در صورت تبدیل فایل کتاب Web and big data : first International Joint Conference, APWeb-WAIM 2017, Beijing, China, July 7-9, 2017, Proceedings. Part II 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 وب و داده های بزرگ: اولین کنفرانس بین المللی مشترک، APWeb-WAIM 2017، پکن، چین، 7-9 ژوئیه 2017، مجموعه مقالات. قسمت دوم 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.
این مجموعه دو جلدی، LNCS 10366 و 10367، مجموعه مقالات با داوری
کامل اولین کنفرانس مشترک بین المللی، APWeb-WAIM 2017، که در
پکن، چین در ژوئیه 2017 برگزار شد را تشکیل می دهد. 44 مقاله کامل
همراه با 32 مقاله کوتاه و 10 نمایش ارائه شده است. مقالات به دقت
بررسی و از بین 240 مورد ارسالی انتخاب شدند. مقالات پیرامون
موضوعات زیر سازماندهی شده اند: پردازش داده های مکانی و
کیفیت داده; پردازش
داده های نموداری؛ داده کاوی، حریم خصوصی و تحلیل معنایی؛ مدیریت
داده های متن و گزارش؛ شبکه های اجتماعی؛ داده کاوی و جریان داده؛
پردازش پرس و جو؛ مدل سازی موضوع؛ فراگیری ماشین؛ سیستم های
توصیه؛ پردازش داده های توزیع شده و برنامه های کاربردی؛ یادگیری
ماشین و بهینه سازی. بیشتر
بخوانید...
چکیده: این مجموعه دو جلدی، LNCS 10366 و 10367، مجموعه مقالات با
داوری کامل اولین کنفرانس بین المللی مشترک، APWeb-WAIM 2017،
برگزار شده در پکن، چین در ژوئیه 2017 است. 44 مقاله کامل ارائه
شده همراه با 32 مقاله کوتاه و 10 مقاله نمایشی با دقت بررسی و
انتخاب شدند. 240 ارسال. مقالات پیرامون موضوعات زیر سازماندهی
شده اند: پردازش داده های مکانی و کیفیت داده ها. پردازش داده های
نموداری؛ داده کاوی، حریم خصوصی و تحلیل معنایی؛ مدیریت داده های
متن و گزارش؛ شبکه های اجتماعی؛ داده کاوی و جریان داده؛ پردازش
پرس و جو؛ مدل سازی موضوع؛ فراگیری ماشین؛ سیستم های توصیه؛
پردازش داده های توزیع شده و برنامه های کاربردی؛ یادگیری ماشین و
بهینه سازی
This two –volume set, LNCS 10366 and 10367, constitutes the
thoroughly refereed proceedings of the First International
Joint Conference, APWeb-WAIM 2017, held in Beijing, China in
July 2017. The 44 full papers presented together with 32 short
papers and 10 demonstrations papers were carefully reviewed and
selected from 240 submissions. The papers are organized around
the following topics: spatial data processing and data quality; graph data
processing; data mining, privacy and semantic analysis; text
and log data management; social networks; data mining and data
streams; query processing; topic modeling; machine learning;
recommendation systems; distributed data processing and
applications; machine learning and optimization.
Read
more...
Abstract: This two –volume set, LNCS 10366 and 10367,
constitutes the thoroughly refereed proceedings of the First
International Joint Conference, APWeb-WAIM 2017, held in
Beijing, China in July 2017. The 44 full papers presented
together with 32 short papers and 10 demonstrations papers were
carefully reviewed and selected from 240 submissions. The
papers are organized around the following topics: spatial data
processing and data quality; graph data processing; data
mining, privacy and semantic analysis; text and log data
management; social networks; data mining and data streams;
query processing; topic modeling; machine learning;
recommendation systems; distributed data processing and
applications; machine learning and optimization