چالش های داده های حجیم اجتماعی و روش های بهبود آن

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 928

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC04_147

تاریخ نمایه سازی: 18 تیر 1396

چکیده مقاله:

امروزه داده های حجیم به یک مسیله اساسی در حوزه هایی تحقیقاتی مانند داده کاوی، یادگیری ماشین، شبکه های اجتماعی و غیره تبدیلشده است. چارچوب هایی مانند Hadoop و Spark، برای پردازش داده های حجیم در قالب روش کاهش نگاشت، به کارگرفته میشود. ترکیب فناوری داده های حجیم و الگوریتم های یادگیری ماشین چالش های جدیدی در زمینه هایی مانند رسانه ها و شبکه هایاجتماعی، ایجاد کرده است. این چالش ها به طور عمده بر مشکلاتی از قبیل پردازش، ذخیره سازی، تجزیه و تحلیل و امنیت داده هامتمرکز شده اند. در این مقاله، در یک نمای کلی چالش های جدید در حوزه ی داده های حجیم اجتماعی و روش های موجود برای برایبهبود این چالش ها، ارایه می گردد. بر اساس بررسی های انجام گرفته در مورد این موضوعات و چالش ها، مواردی همچون الگوریتم هایآنلاین، مجازی سازی و ادغام داده ها به عنوان موضوعات باز و رو به پیشرفت مطرح می باشند.

نویسندگان

امید قریب

دانشجوی کارشناسی ارشد، گروه کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

محمد فرهمند

دانشجوی کارشناسی ارشد، گروه کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

رعنا غوغا

دانشجوی کارشناسی ارشد، گروه کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مجتبی عسگری

عضو هیات علمی، گروه کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. Alexandrov, R. Bergmann, S. Ewen, J.-C. Freytag, F. Hueske, ...
  • BM, "Big Data and Analytics", URL http://www-0 1 _ ibm. ...
  • X. Wu, X. Zhu, G.-Q. Wu, W. Ding, "Data mining ...
  • A. Cuzzocrea, I.-Y. Song, K.C. Davis, "Analytics OVer large-scale multi ...
  • D. Laney, "3D Data Management: Controlling Data Volume, Velocity, and ...
  • https ://www. cnet. c om/new s/fac ebook-proce Sse s-more-than-5 _ ...
  • A. Katal, M. Wazid and R H. Goudar, "Big data: ...
  • Zikopoulos, P. Understanding Big Data: Analytics for Enterprise Class Hadoop ...
  • R.L. Grossman, Y. Gu, J. Mambretti, M. Sabala, A. Szalay, ...
  • N. Khan, I. Yaqoob, I.A.T. Hashem, Z. Inayat, W.K.M. Ali, ...
  • E. Cambria, D. Rajagopal, D. Olsher, D. Das, "Big social ...
  • L. Manovich, "Trending: the promises and the challenges of big ...
  • S. Kaisler, F. Armour, J.A. Espinosa, W. Money, "Big data: ...
  • T. White, Hadoop: The Definitive Guide, O'Reilly Media, 2009. ...
  • M. Zaharia, M. Chowdhury, M.J. Franklin, S. Shenker, I. Stoica, ...
  • Controlling-D ata-Vo lume-Veloc ity- and-Vari ety.pdf, 2011. than ...
  • S. Owen, R. Anil, T. Dunning, E. Friedman, Mahout in ...
  • X. Meng, J. Bradley, B. Yavuz, E. Sparks, S. Venkataraman, ...
  • J. Dean, S. Ghemawat, "Mapreduce: simplified data processing on large ...
  • J. Dean, S. Ghemawat, "Mapreduce: simplified data processing On large ...
  • K. Shim, "Mapreduce algorithms for big data analysis", Proc. VLDB ...
  • M. Zaharia, A. Konwinski, A.D. Joseph, R. Katz, I. Stoica, ...
  • Big Data: Basics, MapReduce, _ http : /dynadmic-lab .com/2 _ ...
  • R.S. Xin, J. Rosen, M. Zaharia, M.J. Franklin, S. Shenker, ...
  • A. Mostosi, Useful stuffhttp :/blog. andreamo sto si _ name/-b ...
  • A. Mostosi, The big-data ecosystem tableURL http:/bigdata. andreamo stosi.name/, 2015. ...
  • C. Emerick, B. Carper, C. Grand, Clojure Programming, O'Really, 2011. ...
  • M. Burrows, "The chubby lock service for loo sely-coupled distributed ...
  • S. Ghemawat, H. Gobioff, S.-T. Leung, "The google file system", ...
  • F. Chang, J. Dean, S. Ghemawat, W.C. Hsieh, D.A. Wallach, ...
  • G. Malewicz, M.H. Austern, A.J. Bik, J.C. Dehnert, I. Horn, ...
  • K. Chodorow, MongoDB: The Definitive Guide, O'Reilly Media, Inc., 2013. ...
  • T. Kraska, A. Talwalkar, J.C. Duchi, R. Griffith, M.J. Franklin, ...
  • X. Meng, J. Bradley, B. Yavuz, E. Sparks, S. Venkataraman, ...
  • M.J. Crawley, The R Book, 1st, Wiley Publishing, 2007. ...
  • S. Bennett, Twitter now seeing 400 million twees per day, ...
  • L. Ott, M. Longnecker, R.L. Ott, An Introduction o Statistical ...
  • B. Elser, A. Montresor, An evaluation study of bigdata frameworks ...
  • L.G. Valiant, "A bridging model for parallel computation", Commun. ACM, ...
  • S. Seo, E.J. Yoon, J. Kim, S. Jin, J.-S. Kim, ...
  • A. Clauset, "Finding local community structure in networks", Phys, 2005. ...
  • F. Santo, "Community detection in graphs", Phys. Rep. 486 (3-5) ...
  • R. Kannan, S. Vempala, A. Veta, "On clustering' sgood, bad ...
  • I.M. Bomze, M. Budinich, P.M. Pardalos, M. Pelillo, "The maximum ...
  • M. Girvan, M.E.J. Newman, Community structure in social and biological ...
  • M.E.J. Newman, "Fast algorithm for detecting community structure in networks", ...
  • A. Clauset, M.E. Newman, C. Moore, "Finding community structure in ...
  • M.E. Newman, "Modularity and community structure" in networks, Proc. Natl. ...
  • T. Richardson, P.J. Mucha, M.A. Porter, "Spectral tri partitioning of ...
  • G. Wang, Y. Shen, M. Ouyang, "A vector partitioning approach ...
  • J. Xie, S. Kelley, B.K. Szymanski, "Overlapping community detection" in ...
  • O. Zamir, O. Etzioni, "Web document clustering: a feasibility demonstratiot ...
  • W.B. Frakes, R.A. Baeza-Yates (Eds.), Information Retrieval: Data Structures & ...
  • C.D. Manning, P. Raghavan, H. Schitze, Introduction o Information Retrieval, ...
  • X. Hu, H. Liu, "Text analytics in social media", in: ...
  • S. Wold, K. Esbensen, P. Geladi, "Principal component analysis", Chemom. ...
  • A.K. Jain, M.N. Murty, P.J. Flynn, "Data clustering: a review", ...
  • B. Larsen, C. Aone, "Fast and effective text mining using ...
  • Y. Zhao, G. Karypis, "Evaluation of hierarchicl clustering algorithms for ...
  • Y. Zhao, G. Karypis, "Empirical and theoretical comparisons of selected ...
  • F. Sebastiani, "Machine learning in automated text categorization" _ ACM ...
  • B. Pang, L. Lee, S. Vaithyanathan, "thumbs up? sentiment classification ...
  • C.C. Aggarwal, Data Stream? Models and Algorithms, 31, Springer Science ...
  • S. Zhong, "Efficient online spherical k-means clustering", in: Proceedings of ...
  • W. Chen, C. Wang, Y. Wang, "Scalable influence maximization for ...
  • D.T. Nguyen, J.J. Jung, "Real-time evemt detection on social data ...
  • A. Guille, H. Hacid, C. Favre, D.A. Zighed, "Information diffusion ...
  • M. Go mez- Rodriguez, J. Leskovec, A. Krause, "Inferring networks ...
  • E. Sadikov, M. Medina, J. Leskovec, H. Garcia-Molina, "correcting for ...
  • E. Anshelevich, A. Hate, M. Magdon- Ismail, "Seeding influential nodes" ...
  • C. Jiang, Y. Chen, K.R. Liu, "Graphical evolutionary game for ...
  • C. Jiang, Y. Chen, K.R. Liu, "Evolutionary dynamics of information ...
  • T.-c. Fu, " A review on time series datamining, Eng". ...
  • J. Lin, E. Keogh, S. Lonardi, B. Chiu, "A symbolic ...
  • D.T. Nguyen, J.J. Jung, _ 'Privacy-pre serving discovery of topic-based ...
  • J.J. Jung, "Integrating social networks for context fusion in mobile ...
  • H.H. Hoang, T.N.-P. Cung, D.K. Truong, D. Hwang, J.J. Jung, ...
  • N.H. Long, J.J. Jung, _ 'Privacy-aware framework for matching online ...
  • S. Caton, C. Haas, K. Chard, K. Bubendorfer, O.F. Rana, ...
  • L. Sweeney, "K-anonymity: a model for protecting privacy", Int. J. ...
  • C. Dwork, "Differential privacy: a survey of results", in: M. ...
  • A. Fiat, Online Algorithms: The State of the Art, in: ...
  • K. Crammer, Y. Singer, _ _ Ultracons ervative online algorithms ...
  • H.D. Menendez, D.F. Barrero, D. Camacho, "A multi-objective genetic graphbased ...
  • W. Zhao, H. Ma, Q. He, "Parallel k-means clustering based ...
  • C. Chu, S.K. Kim, Y.-A. Lin, Y. Yu, G. Bradski, ...
  • نمایش کامل مراجع