چارچوب تشریح ملزومات مورد نیاز جهت گردآوری و ثبت و ضبط دادههای عظیم

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 558

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICCEIT02_054

تاریخ نمایه سازی: 25 آذر 1395

Abstract:

فرایندهای موقتی گردآوری دیتا که امروزه توسط اکثر سازمانها استفاده میشوند، در دنیایی که با اطلاعات نامتناهی رو به گسترش است، اقدامی مناسب نمیباشد. ) در نتیجه، کاربران اغلب قادر نیستند اطلاعات مربوطه را از مجموعههای بزرگ دیتا بدست آورند. روش فعلی، تودههای دیتایی را گردآوری میکند که اغلب موارد: 1حاوی بخش بزرگی از دیتای بلا استفاده هستند 2( به زمان بیشتری برای تحلیل نیاز دارند. فرض این مقاله این است که تجزیه و تحلیل کلان-داده زمانی میتواندرا به قلمرو گردآوری دیتا » سناریوهای کلان-داده « موفق باشد که بتوانند دیتای جذب شده را هضم نمایند و اطلاعات ارزشمندی تحویل دهند. بنابراین این مقاله معرفی میکند. این مقاله با تهیهی یک مدل مفهومی، در تغییر گردآوری کلان-داده، در این زمینه نقش آفرینی میکند. در زمان تهیهی محتوای حجیم، این مدل با رویکردی ساختارمند، به گردآوری اطلاعات مرتبط با سناریو کمک میکند

Authors

حمیرا محمدی فرد

موسسه عالی آپادانا،

کیمیا بازرگان لاری

موسسه عالی آپادانا،

هاله همایونی

موسسه عالی آپادانا،

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Santovena, Z.A.: Big data: evolution, components, challenges and opportunities. Massachusets ...
  • Economist Intelligence Unit: The Deciding Factor: Big Data & Decision ...
  • MET A: 3D Data Management: Controlling Data Volume, Velocity, and ...
  • Martin, G.: Profit from Big Data. White paper, HP Corp. ...
  • Hermansen, S.W.: Reducing big data to manageable portions. In: SESUG, ...
  • Akerkar, R.: Big Data computing, 1st edn. Chapman and Hall/CRC ...
  • EY: Big Data, Changing the way business compete and operate. ...
  • Thalheim, B., Kiyoki, Y.: Analysis -driven data collection, integration and ...
  • Nakanishi, T.: A data-driven axes creation modl for correlation measuremet ...
  • Al-Najran, N., Al-Swilmi, M., Dahanayake, A.: Conceptual framework for big ...
  • Big Data classification and architecture. IBM Corp (2013) ...
  • Claire, B.B.: Managing semantic big data for intelligence. In: CEUR ...
  • Angela, C.: Challenges of Capturing Relevant Data Umati Project (2013) ...
  • Neck, F., Andersen, D.G.: Challenges and Opportunities in Intermet Data ...
  • Su, X., Khoshgoftaar, T.M.: A Survey of Collaborative Filtering Techniques. ...
  • I6. Dimitre, D., Roopa, P., Abir, Q., Jeff, H.: ISENS: ...
  • Backward analysis: The Free On-line Dictionary of Computing (n.d.) ...
  • Dahanayake, A., Thalheim, B.: W*H: the conceptual model for services. ...
  • Regina, C., Beyer, M., Adrian, M., Friedman, T., Logan, D., ...
  • Hitzler, P., Janowicz, K.: Linked Data, Big Data, and the ...
  • Punch, K.F.: Introduction to Social Research: Qualitative and Quantitative Approaches. ...
  • نمایش کامل مراجع