یک رویکرد پیشنهادی برای پایگاه ذخیره داده
ترجمه شده

یک رویکرد پیشنهادی برای پایگاه ذخیره داده

عنوان فارسی مقاله: یک رویکرد پیشنهادی برای پایگاه ذخیره داده: چارچوب مفهومی و ارزیابی آزمایشی
عنوان انگلیسی مقاله: A spatial data warehouse recommendation approach: conceptual framework and experimental evaluation
مجله/کنفرانس: علوم محاسبات و اطلاعات انسان محور - Human-centric Computing and Information Sciences
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: مهندسی نرم افزار، رایانس ابری
کلمات کلیدی فارسی: توصیه، شخصی سازی، محل ذخیره داده فضایی، سیستم OLAP فضایی، تشابه معنایی، تشابه فضایی
کلمات کلیدی انگلیسی: Recommendation - Personalization - Spatial data warehouse - Spatial OLAP system - Semantic similarity - Spatial similarity
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: scopus - master journals - JCR - DOAJ
شناسه دیجیتال (DOI): https://doi.org/10.1186/s13673-015-0045-y
دانشگاه: موسسه عالی مدیریت، آزمایشگاه SOIE ، تونس
ناشر: اسپرینگر - Springer
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2015
ایمپکت فاکتور: 5.613 در سال 2019
شاخص H_index: 29 در سال 2020
شاخص SJR: 0.661 در سال 2019
شناسه ISSN: 2192-1962
شاخص Quartile (چارک): Q1 در سال 2019
صفحات مقاله انگلیسی: 18
صفحات ترجمه فارسی: 25 (1 صفحه رفرنس انگلیسی)
فرمت مقاله انگلیسی: pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
ترجمه شده از: انگلیسی به فارسی
وضعیت ترجمه: ترجمه شده و آماده دانلود
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا منابع داخل متن درج یا ترجمه شده است: بله
آیا توضیحات زیر تصاویر و جداول ترجمه شده است: بله
آیا متون داخل تصاویر و جداول ترجمه شده است: بله
کد محصول: 11240
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
ترجمه فارسی فهرست مطالب

چکیده 


پیش زمینه


رویکرد پیشنهادی: تکنولوژی جدید


معیارهای مشابهت معنایی فضایی بین پرسشنامه های MDX


تعاریف رسمی اولیه


مکعب (محل ذخیره داده فضایی چند بعدی)، طرح و ابعاد:


مراجع پرسشنامه


معیار مشابهت در مقایسه پرسشنامه های MDX


مثال های انگیزشی


پیشنهادات شخصی سازی شده پرسشنامه SOLAP: چارچوب مفهومی


فیلترینگ ورودی فایل


تولید پرسشنامه های منتخب


تولید پرسشنامه های منتخب با استفاده از محدوده شباهت


تولید k پرسشنامه برتر مشابه


رتبه بندی پرسشنامه های منتخب


ارائه پیشنهاد های نهایی


ارزیابی آزمایش


ارزیابی معیار شباهت


سیستم RECQUERY


تحلیل عملکرد


دقت ارزیابی


روش ارزیابی


دقت ارزیابی برای محدوده های مختلف شباهت


دقت ارزیابی برای مقادیر مختلف k


تعداد بهینه پیشنهادات نهایی


نتیجه گیری

فهرست انگلیسی مطالب

Abstract


Background


Recommendation approach: state of the art


A spatio semantic similarity measure between MDX queries


Basic formal definitions


Cube (multidimensional spatial data warehouse), schema and dimensions


Query references


Similarity measure for comparing MDX queries


Motivating example


Personalized recommendations of SOLAP queries: conceptual framework


Log file filtering


Generation of candidate queries


Candidate queries generation using the threshold similarity


Generation of top k similar queries


Ranking of candidate queries


Proposal of final recommendations


Experimental evaluation


Similarity measure evaluation


RECQUERY system


Performance analysis


Precision evaluation


Evaluation technique


Precision evaluation for different similarity thresholds


Precision evaluation for different values of k


Optimal number of final recommendations


Conclusion

نمونه ترجمه فارسی مقاله

چکیده 


 محل ذخیره داده مقدار زیادی از داده های متراکم و سوابق آن ها می باشد. آن ها معمولا توسط سیستم های فضایی OLAP (SOLAP) به منظور استخراج اطلاعات مرتبط مورد استفاده قرار می گیرند. استخراج چنین داده هایی ممکن است پیچیده و مشکل باشد. کاربر ممکن است بخشی از محل ذخیره داده که شامل اطلاعات مرتبط و چگونگی جستجوی بعدی است را نادیده بگیرد. از طرف دیگر، هدف سیستم های پیشنهادی کمک به کاربران به منظور بازیابی اطلاعات مرتبط براساس تنظیمات و اهداف تحلیلی شان است. از این رو، توسعه یک سیستم پیشنهادی SOLAP بهره برداری از محل ذخیره داده فضایی را بهبود می بخشد. این مقاله یک رویکرد SOLAP پیشنهادی ارائه می دهد که هدف آن کمک به کاربران برای بهره برداری بهتر از محل ذخیره داده فضایی و بازیابی اطلاعات توسط پیشنهاد جستجوی MDX (عبارات چندبعدی) فضایی شخصی سازی شده است. این رویکرد با استفاده از یک معیار مشابهت معنایی به سادگی تنظیمات و نیازهای کاربران SOLAP را تشخیص می دهد. این رویکرد بصورت نظری شرح داده می شود و توسط آزمایشاتی تایید می شود. 


پیش زمینه


محل ذخیره داده (DW) به عنوان عنصری کارآمد در سیستم پشتیبانی در نظر گرفته می شود [7]. ساختار آن ها معمولا ساختاری چندبعدی می باشد (به نام مکعبی نیز خوانده می شود)، که مسیریابی سریع در سطوح مختلف داده های گسسته را آسان تر می کند (از سطوح بدتر به بهتر و برعکس). محل ذخیره داده فضایی (SDW) مقدار زیادی از داده های تاریخی که مشخصات مشابهی مانند توپولوژی و جهت دارند را ذخیره می کند. SDW می تواند توسط سیستم های SOLAP (پردازش تحلیلی فضایی آنلاین) مورد کاوش قرار گیرد تا تحلیل فضایی آنلاین را امکان پذیر سازد. سیستم های SOLAP تکنولوژی های GIS و OLAP (پردازش تحلیلی آنلاین) را ترکیب می کنند. آن ها توسط اجازه دادن به کاربران برای تصویرسازی و مسیریابی از طریق داده های فضایی متراکم و براساس مجموعه از ابعاد با سطوح مختلف گسستگی، فرصت هایی در زمینه تحلیل داده های محلی را به آن ها پیشنهاد دادند. کاربران SOLAP می توانند توسط آغاز یک توالی جستجوی MDX (عبارات چند بعدی) از ذخیره داده فضایی بهره برداری نمایند.


نتیجه گیری


در این مقاله، شخصی سازی سیستم های SOLAP از طریق روش پیشنهادی ارائه شده است. روش ارائه شده به کاربر در استفاده از محل ذخیره داده فضایی از طریق پیشنهاد پرسشنامه MDX شخصی سازی شده کمک می کند. روش (1) اولویت ها و اهداف تحلیل کاربر را با استفاده از تکنیک فیلتر مشترک تشخیص می دهد و (2) معیار مشابهت معنایی- فضایی بین پرسشنامه های MDX برای مقایسه اهداف تحلیلی کاربران و اولویت هایشان اعمال می شود. جزئیات چارچوب نظری این روش دارای مراحل مختلفی از جمله (1) فیلترینگ فایل ورودی (2) تولید پرسشنامه های منتخب (3) رتبه بندی پیشنهادها و (4) ارائه پیشنهادات می باشد. هر مرحله توسط الگوریتم های دقیق، چگونگی اجرای این مراحل را توضیح می دهد.

نمونه متن انگلیسی مقاله

Abstract


Spatial data warehouses store a large amount of historized and aggregated data. They are usually exploited by Spatial OLAP (SOLAP) systems to extract relevant information. Extracting such information may be complex and difficult. The user might ignore what part of the warehouse contains the relevant information and what the next query should be. On the other hand, recommendation systems aim to help users to retrieve relevant information according to their preferences and analytical objectives. Hence, developing a SOLAP recommendation system would enhance spatial data warehouses exploitation. This paper proposes a SOLAP recommendation approach that aims to help users better exploit spatial data warehouses and retrieve relevant information by recommending personalized spatial MDX (Multidimensional Expressions) queries. The approach detects implicitly the preferences and needs of SOLAP users using a spatiosemantic similarity measure. The approach is described theoretically and validated by experiments.


Background


Data warehouses (DW) are being considered as efficient components of decision support systems [7]. They are usually structured according to the multidimensional structure (also called a cube), which facilitates a rapid navigation within different levels of data granularity (from coarser to finer level and vice versa). Spatial Data warehouses (SDW) store a large amount of historized spatial data which have specific characteristics such as topology and direction. SDW can be explored by SOLAP systems (Spatial OnLine Analytical Processing) to enable spatial online analysis. SOLAP systems combine both GIS and OLAP (On-Line Analytical Processing) technologies. They offer, to users, opportunities for spatial analysis of geo-localized data by allowing them to visualize and navigate through aggregated spatial data according to a set of dimensions with different levels of granularity. SOLAP users can exploit spatial data warehouses by launching a sequence of MDX (Multidimensional Expressions) queries.


Conclusion


In this paper, we propose a personalization of SOLAP systems through a recommendation approach. The approach assists the user in spatial data warehouse exploitation through the recommendation of personalized MDX queries. The approach (1) detects the preferences and the analysis objectives of the user using a collaborative filtering technique, and (2) applies a spatio-semantic similarity measure between MDX queries to compare the analytical objectives of the users and their preferences. We presented a theoretical framework detailing the various phases of the approach namely (1) log file filtering, (2) generation of candidate queries (3) ranking recommendations, and (4) presentation of recommendations. Each step is explained by detailed algorithms presenting how these phases can be implemented.

تصویری از فایل ترجمه

          


(جهت بزرگ نمایی روی عکس کلیک نمایید)

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت pdf
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه
قیمت محصول: ۲۳,۸۰۰ تومان
خرید محصول
  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

یک رویکرد پیشنهادی برای پایگاه ذخیره داده
مشاهده خریدهای قبلی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها