دانلود ترجمه مقاله روش پیشنهادی برای پایگاه ذخیره داده (اسپرینگر ۲۰۱۵) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

springer4

 

 

این مقاله انگلیسی ISI در نشریه اسپرینگر در ۱۸ صفحه در سال ۲۰۱۵ منتشر شده و ترجمه آن ۲۵ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

روش پیشنهادی برای پایگاه ذخیره داده: چارچوب مفهومی و ارزیابی تجربی

عنوان انگلیسی مقاله:

A spatial data warehouse recommendation approach: conceptual framework and experimental evaluation

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش
سال انتشار ۲۰۱۵
تعداد صفحات مقاله انگلیسی ۱۸ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research Article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی کامپیوتر
گرایش های مرتبط با این مقاله مهندسی نرم افزار ، رایانش ابری
چاپ شده در مجله (ژورنال) علوم محاسبات و اطلاعات انسان محور – Human-centric Computing and Information Sciences
کلمات کلیدی 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
ارائه شده از دانشگاه موسسه عالی مدیریت، آزمایشگاه SOIE ، تونس
نمایه (index) scopus – master journals – JCR – DOAJ
نویسندگان Saida Aissi – Mohamed Salah Gouider – Tarek Sboui – Lamjed Ben Said
شناسه شاپا یا ISSN ۲۱۹۲-۱۹۶۲
شناسه دیجیتال – doi https://doi.org/10.1186/s13673-015-0045-y
ایمپکت فاکتور(IF) مجله ۵٫۶۱۳ در سال ۲۰۱۹
شاخص H_index مجله ۲۹ در سال ۲۰۲۰
شاخص SJR مجله ۰٫۶۶۱ در سال ۲۰۱۹
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۱۹
بیس است 
مدل مفهومی دارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۱۲۴۰
لینک مقاله در سایت مرجع لینک این مقاله در سایت Springer
نشریه اسپرینگر – Springer

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۵ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد 
ترجمه پاورقی ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است
منابع داخل متن به صورت عدد درج شده است 
منابع انتهای متن به صورت انگلیسی درج شده است

 

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

 

بخشی از ترجمه

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 [۷]. 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 (۱) اولویت ها و اهداف تحلیل کاربر را با استفاده از تکنیک فیلتر مشترک تشخیص می دهد و (۲) 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 (۱) فیلترینگ فایل ورودی (۲) تولید پرسشنامه های منتخب (۳) رتبه بندی پیشنهادها و (۴) ارائه پیشنهادات می باشد. هر مرحله توسط الگوریتم های دقیق، چگونگی اجرای این مراحل را توضیح می دهد.

 

بخشی از مقاله انگلیسی

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 مقاله ترجمه و تایپ شده در نرم افزار ورد

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

روش پیشنهادی برای پایگاه ذخیره داده: چارچوب مفهومی و ارزیابی تجربی

عنوان انگلیسی مقاله:

A spatial data warehouse recommendation approach: conceptual framework and experimental evaluation

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.