دانلود کتاب Query Processing Over Incomplete Databases (Synthesis Lectures on Data Management)
کتاب پردازش پرس و جو از طریق پایگاه های داده ناقص (سخنرانی ترکیبی در مورد مدیریت داده ها) نسخه زبان اصلی
دانلود کتاب پردازش پرس و جو از طریق پایگاه های داده ناقص (سخنرانی ترکیبی در مورد مدیریت داده ها) بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Query Processing Over Incomplete Databases (Synthesis Lectures on Data Management)
نام کتاب : Query Processing Over Incomplete Databases (Synthesis Lectures on Data Management)
عنوان ترجمه شده به فارسی : پردازش پرس و جو از طریق پایگاه های داده ناقص (سخنرانی ترکیبی در مورد مدیریت داده ها)
سری :
نویسندگان : H. V. Jagadish (editor), Yunjun Gao, Xiaoye Miao
ناشر : MORGAN & CLAYPOOL
سال نشر : 2018
تعداد صفحات : 124
ISBN (شابک) : 1681734206 , 9781681734200
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 2 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
داده های ناقص بخشی از زندگی و تقریباً تمام زمینه های مطالعات علمی است. هنگامی که کاربران فرم های آنلاین را پر می کنند، تمایل دارند فیلدهای خاصی را نادیده بگیرند. شرکت کنندگان انتخاب می کنند که سوالات حساس در نظرسنجی ها را نادیده بگیرند. سنسورها از کار می افتند و در نتیجه خوانش های خاصی از بین می رود. سرویس‌های نقشه ماهواره‌ای که به‌صورت عمومی قابل مشاهده هستند، داده‌های گمشده‌ای در بسیاری از برنامه‌های تلفن همراه دارند. و در برنامه های کاربردی حفظ حریم خصوصی، داده ها عمداً ناقص هستند تا حساسیت برخی از مقادیر مشخصه حفظ شود.
پردازش پرس و جو یک مشکل اساسی در علوم کامپیوتر است و در برنامه های مختلف مفید است. در این کتاب، ما بیشتر بر روی پردازش پرس و جو بر روی پایگاه های داده ناقص تمرکز می کنیم، که شامل یافتن مجموعه ای از اشیاء واجد شرایط از یک مجموعه داده ناقص مشخص شده به منظور پشتیبانی از طیف گسترده ای از برنامه های کاربردی واقعی است. ما ابتدا سه نوع روش کلی برای رسیدگی به داده‌های ناقص را شرح می‌دهیم، از جمله (i) دور انداختن داده‌ها با مقادیر گمشده، (ii) نسبت مقادیر گمشده، و (iii) فقط بسته به مقادیر داده‌های مشاهده‌شده. برای نوع روش سوم، معنای جستجوی k-نزدیکترین همسایه (kNN)، جستجوی خط افق و غالب-k را معرفی می کنیم. پرس و جو در مورد داده های ناقص، به ترتیب. از نظر سه پرس و جوی نماینده بر روی داده های ناقص، ما برخی از تکنیک های پیشرفته را برای پردازش پرس و جوهای داده ناقص، از جمله نمایه سازی، هرس کردن و همچنین تکنیک های جمع سپاری بررسی می کنیم.
فهرست مطالب :
Preface Acknowledgments Introduction Applications of Incomplete Data Management Overview of Incomplete Databases Indexing Incomplete Databases Querying Incomplete Databases Incomplete Database Management Systems Challenges of Querying Incomplete Databases Organization Handling Incomplete Data Methods Method Taxonomy Overview of Imputation Methods Statistical Imputation Machine Learning-Based Imputation Modern Imputation Methods Query Semantics on Incomplete Data k-Nearest Neighbor Search on Incomplete Data Background Problem Definition Skyline Queries on Incomplete Data Background Problem Definition Top-k Dominating Queries on Incomplete Data Background Problem Definition Advanced Techniques Index Structures LB Index for k-Nearest Neighbor Search on Incomplete Data Histogram Index for k-Nearest Neighbor Search on Incomplete Data Bitmap Index for Top-k Dominating Queries on Incomplete Data Pruning Heuristics Alpha Value Pruning for k-Nearest Neighbor Search on Incomplete Data Histogram-Based Pruning for k-Nearest Neighbor Search on Incomplete Data Local Skyband Pruning for Top-k Dominating Queries on Incomplete Data Upper Bound Score Pruning for Top-k Dominating Queries on Incomplete Data Bitmap Pruning for Top-k Dominating Queries on Incomplete Data Crowdsourcing Techniques Crowdsourcing Framework for Skyline Queries on Incomplete Data C-Table Construction Probability Computation Crowd Task Selection Conclusions Bibliography Authors' Biographies Blank Page
توضیحاتی در مورد کتاب به زبان اصلی :
Incomplete data is part of life and almost all areas of scientific studies. Users tend to skip certain fields when they fill out online forms; participants choose to ignore sensitive questions on surveys; sensors fail, resulting in the loss of certain readings; publicly viewable satellite map services have missing data in many mobile applications; and in privacy-preserving applications, the data is incomplete deliberately in order to preserve the sensitivity of some attribute values.
Query processing is a fundamental problem in computer science, and is useful in a variety of applications. In this book, we mostly focus on the query processing over incomplete databases, which involves finding a set of qualified objects from a specified incomplete dataset in order to support a wide spectrum of real-life applications. We first elaborate the three general kinds of methods of handling incomplete data, including (i) discarding the data with missing values, (ii) imputation for the missing values, and (iii) just depending on the observed data values. For the third method type, we introduce the semantics of k-nearest neighbor (kNN) search, skyline query, and top-k dominating query on incomplete data, respectively. In terms of the three representative queries over incomplete data, we investigate some advanced techniques to process incomplete data queries, including indexing, pruning as well as crowdsourcing techniques.
پست ها تصادفی