دانلود مقاله و خرید ترجمه:واکاوی گراف بزرگ: چارچوب ها و روشها
بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده داده کاوی
  • واکاوی گراف بزرگ: چارچوب ها و روشها

    سال انتشار:

    2016


    ترجمه فارسی عنوان مقاله:

    واکاوی گراف بزرگ: چارچوب ها و روشها


    عنوان انگلیسی مقاله:

    Big Graph Mining: Frameworks and Techniques


    منبع:

    Sciencedirect - Elsevier - Big Data Research, Volume 6, December 2016, Pages 1–10


    نویسنده:

    Sabeur Aridhi , Engelbert Mephu Nguifo


    چکیده انگلیسی:

    Big graph mining is an important research area and it has attracted considerable attention. It allows to process, analyze, and extract meaningful information from large amounts of graph data. Big graph mining has been highly motivated not only by the tremendously increasing size of graphs but also by its huge number of applications. Such applications include bioinformatics, chemoinformatics and social networks. One of the most challenging tasks in big graph mining is pattern mining in big graphs. This task consists on using data mining algorithms to discover interesting, unexpected and useful patterns in large amounts of graph data. It aims also to provide deeper understanding of graph data. In this context, several graph processing frameworks and scaling data mining/pattern mining techniques have been proposed to deal with very big graphs. This paper gives an overview of existing data mining and graph processing frameworks that deal with very big graphs. Then it presents a survey of current researches in the field of data mining/pattern mining in big graphs and discusses the main research issues related to this field. It also gives a categorization of both distributed data mining and machine learning techniques, graph processing frameworks and large scale pattern mining approaches.
    Keywords: Big graphs | data mining | Pattern mining | Graph processing frameworks


    چکیده فارسی:

    واکاوی گراف بزرگ، یک حوزه تحقیقاتی مهم است و توجه قابل ذکری را به خود جلب کرده است. این روش اجازه پردازش، تحلیل و استخراج اطلاعات مهم از مقادیر بزرگی از داده های گراف را می دهد. انگیزه برای واکاوی گراف بزرگ تاحد زیادی نه تنها ازطریق افزایش چشمگیر اندازه گراف ها، بلکه همچنین ازطریق تعداد بسیار عظیم کاربردهای آن نیز ایجاد شده است. چنین کاربردهایی شامل سیستم های بیو اطلاعاتی، سیستمهای اطلاعاتی شیمی و شبکه های اجتماعی می شود. یکی از چالش برانگیزترین کارکردهای واکاوی گراف بزرگ، واکاوی الگو در گراف های بزرگ است. این کارکرد شامل استفاده کردن از الگوریت های واکاوی داده ها برای کشف الگوهای مطلوب، پیش بینی نشده و مفید در مقادیر بزرگی از داده های گراف می شود. هدف از آن همچنین فراهم کردن درک عمیق تری از داده های گراف می باشد. در این زمینه، چندین چارچوب پردازش گراف و مقیاس بندی روش های واکاوی الگوهای داده ها برای مواجهه با گراف های بسیار بزرگ پیشنهاد شده است. این مقاله یک مرور کلی از چارچوب های موجود درباره واکاوی داده ها و پردازش گراف را ارائه می دهد که با گراف های بسیار بزرگ سروکار دارند. سپس یک ارزیابی از محققان فعلی رشته واکاوی داده ها و الگوهای داده ها را در گراف های بسیار بزرگ ارائه داده و روی مشکلات تحقیقاتی اصلی مربوط به این رشته بحث می کند. همچنین یک دسته بندی، هم از واکاوی داده های توزیع شده و هم از روشهای یادگیری ماشینی، هم چارچوب های پردازش داده ها و هم دیدگاههای واکاوی الگوها در مقیاس بزرگ ارائه می دهد.
    کلیدواژه ها: گراف های بزرگ | واکاوی داده | واکاوی الگو | چارچوب های پردازش گراف


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    تعداد صفحات فایل doc فارسی: 39

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 1426 کیلوبایت


    قیمت: 40000 تومان  36000 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
داده-کاوی
موضوعات