تعدين تدفق البيانات كحل لمشاكل البيانات الضخمة
| العنوان | تعدين تدفق البيانات كحل لمشاكل البيانات الضخمة |
|---|---|
| المؤلف | أولميزوغولاري، إردي، آري، إسماعيل، جلبي، أو. ف، إرجوت، س. |
| تاريخ النشر: | 2013 |
| مكان النشر | - IEEE |
| الموضوع | Apriori، تعدين تدفق البيانات، FP-Growth، تعدين قواعد الارتباط، معالجة الأحداث المعقدة |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 978-1-4673-5561-2 |
| رقم السجل | 3cbbd2c3-c5d7-4f20-99a1-e19457519380 |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2013 |
| ملاحظات | نظرًا لقيود حقوق الطبع والنشر، فإن الوصول إلى النص الكامل لهذه المقالة متاح فقط عبر الاشتراك. |
| نص عينة | يحاول عالم المعلوماتية اليوم مواجهة مشاكل "البيانات الضخمة" (الكتلة، السرعة، التنوع، عدم تناسق البيانات) في طريق الوصول إلى المعلومات المفيدة. في هذه المقالة، سيتم مشاركة التفاصيل ونتائج الأداء الخاصة بالتنفيذ "عبر الإنترنت" لتعدين القواعد العلائقية (RCM) على تدفقات البيانات الضخمة، وهو ما لم يتم القيام به من قبل في الأدبيات. بالنسبة للتعدين الدفقي، تمت إضافة خوارزميات Apriori وFP-Growth إلى محرك دفق الأحداث المسمى Esper. تمت مقارنة هاتين الخوارزميتين على النظام الناتج باستخدام النوافذ المنزلقة وبيانات موقع الموسيقى الاجتماعية LastFM. ومن خلال اختيار FPGrowth، الذي يتمتع بأداء عالٍ، تم إنشاء محرك توصيات قائم على القواعد في الوقت الفعلي. أهم النتائج التي توصلنا إليها هي أن استخراج القواعد عبر الإنترنت أظهر ما يلي: (1) يمكن حساب العديد من القواعد (2) بشكل أسرع وأكثر كفاءة و (3) في وقت أبكر بكثير من استخراج القواعد دون الاتصال بالإنترنت. بالإضافة إلى ذلك، تم العثور على العديد من القواعد المثيرة للاهتمام والواقعية لتناسب الأذواق الموسيقية، مثل "جورج هاريسون⇒البيتلز". نأمل أن تسلط نتائجنا الضوء على تصميم وتنفيذ أنظمة تحليل البيانات الضخمة الأخرى في المستقبل. |
| DOI | 10.1109/SIU.2013.6531483 |
