دانلود کتاب Taxonomy Matching Using Background Knowledge: Linked Data, Semantic Web and Heterogeneous Repositories
کتاب تطبیق طبقه بندی با استفاده از دانش پیشینه: داده های پیوندی، وب معنایی و مخازن ناهمگن نسخه زبان اصلی
دانلود کتاب تطبیق طبقه بندی با استفاده از دانش پیشینه: داده های پیوندی، وب معنایی و مخازن ناهمگن بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
توضیحاتی در مورد کتاب Taxonomy Matching Using Background Knowledge: Linked Data, Semantic Web and Heterogeneous Repositories
نام کتاب : Taxonomy Matching Using Background Knowledge: Linked Data, Semantic Web and Heterogeneous Repositories
ویرایش : 1
عنوان ترجمه شده به فارسی : تطبیق طبقه بندی با استفاده از دانش پیشینه: داده های پیوندی، وب معنایی و مخازن ناهمگن
سری :
نویسندگان : Heiko Angermann, Naeem Ramzan (auth.)
ناشر : Springer International Publishing
سال نشر : 2017
تعداد صفحات : 108
ISBN (شابک) : 9783319722085 , 9783319722092
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 :
این متن/مرجع مهم مروری جامع از تکنیک‌های تطبیق طبقه‌بندی، بحث در مورد الگوریتم‌های تطبیق، تجزیه و تحلیل سیستم‌های تطبیق و مقایسه رویکردهای ارزیابی تطبیق را ارائه می‌کند. روش های مختلف مطابق با معیارهای ابتکار ارزیابی تراز هستی شناسی (OAEI) بررسی می شوند. این متن همچنین پیشرفت‌های امیدوارکننده و دستورالعمل‌های نوآورانه را برای ایجاد انگیزه بیشتر در پژوهشگران و متخصصان در این زمینه برجسته می‌کند.
موضوعات و ویژگی‌ها: درباره مبانی و آخرین پیشرفت‌ها در تطابق طبقه‌بندی، از جمله زمینه‌های مربوط به تطبیق هستی‌شناسی و تطبیق طرح‌واره بحث می‌کند. استراتژی های تطبیق نسل بعدی، الگوریتم های تطبیق، سیستم های تطبیق، و کمپین های OAEI و همچنین ارزیابی های جایگزین را بررسی می کند. بررسی می کند که چگونه جدیدترین تکنیک ها از منابع مختلف دانش پس زمینه برای ایجاد تطابق دقیق بین مخازن استفاده می کنند. پیشینه نظری، تحقیقات پیشرفته و کاربردهای عملی در دنیای واقعی را شرح می دهد. زمینه‌های طبقه‌بندی پویا، دایرکتوری‌های شخصی‌شده، تقسیم‌بندی کاتالوگ و سیستم‌های توصیه‌کننده را پوشش می‌دهد.این کتاب محرک یک مرجع ضروری برای پزشکان درگیر در علم داده و هوش تجاری، و برای محققان متخصص در تطبیق طبقه‌بندی و ارزیابی تشابه معنایی است. این اثر همچنین به عنوان متن تکمیلی برای دوره های پیشرفته کارشناسی و کارشناسی ارشد در مدیریت اطلاعات و ابرداده مناسب است.
فهرست مطالب :
Front Matter ....Pages i-xiv
Front Matter ....Pages 1-1
Background Taxonomy Matching (Heiko Angermann, Naeem Ramzan)....Pages 3-13
Background of Taxonomic Heterogeneity (Heiko Angermann, Naeem Ramzan)....Pages 15-24
Front Matter ....Pages 25-25
Matching Techniques, Algorithms, and Systems (Heiko Angermann, Naeem Ramzan)....Pages 27-50
Matching Evaluations and Datasets (Heiko Angermann, Naeem Ramzan)....Pages 51-68
Front Matter ....Pages 69-69
Related Areas (Heiko Angermann, Naeem Ramzan)....Pages 71-83
Front Matter ....Pages 85-85
Conclusions (Heiko Angermann, Naeem Ramzan)....Pages 87-90
Back Matter ....Pages 91-103
توضیحاتی در مورد کتاب به زبان اصلی :
This important text/reference presents a comprehensive review of techniques for taxonomy matching, discussing matching algorithms, analyzing matching systems, and comparing matching evaluation approaches. Different methods are investigated in accordance with the criteria of the Ontology Alignment Evaluation Initiative (OAEI). The text also highlights promising developments and innovative guidelines, to further motivate researchers and practitioners in the field.
Topics and features: discusses the fundamentals and the latest developments in taxonomy matching, including the related fields of ontology matching and schema matching; reviews next-generation matching strategies, matching algorithms, matching systems, and OAEI campaigns, as well as alternative evaluations; examines how the latest techniques make use of different sources of background knowledge to enable precise matching between repositories; describes the theoretical background, state-of-the-art research, and practical real-world applications; covers the fields of dynamic taxonomies, personalized directories, catalog segmentation, and recommender systems.This stimulating book is an essential reference for practitioners engaged in data science and business intelligence, and for researchers specializing in taxonomy matching and semantic similarity assessment. The work is also suitable as a supplementary text for advanced undergraduate and postgraduate courses on information and metadata management.