این مقاله انگلیسی ISI در نشریه ACM در 4 صفحه در سال 2017 منتشر شده و ترجمه آن 12 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله	2017
تعداد صفحات مقاله انگلیسی	4 صفحه با فرمت pdf
نوع مقاله	ISI
نوع نگارش	مقالات پژوهشی کوتاه (Short Research Paper)
نوع ارائه مقاله	ژورنال
رشته های مرتبط با این مقاله	مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله	اینترنت و شبکه های گسترده، مهندسی نرم افزار
چاپ شده در مجله (ژورنال)	SIGIR ’17
کلمات کلیدی	بسط پرس و جو، جستجوی ایمیل
کلمات کلیدی انگلیسی	Email search – qeery Expansion
ارائه شده از دانشگاه	تحقیقات یاهو ، اسرائیل
نویسندگان	Saar Kuzi، David Carmel، Alex Libov، Ariel Raviv
شناسه دیجیتال – doi	https://doi.org/10.1145/3077136.3080660
بیس	نیست ☓
مدل مفهومی	ندارد ☓
پرسشنامه	ندارد ☓
متغیر	ندارد ☓
رفرنس	دارای رفرنس در داخل متن و انتهای مقاله ✓
کد محصول	9792
لینک مقاله در سایت مرجع	لینک این مقاله در سایت ACM
نشریه ACM

نوشته دانلود ترجمه مقاله گسترش پرس و جو برای جستجوی ایمیل (ACM 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️) اولین بار در ترجمه فا پدیدار شد.

• بخشی از ترجمه:

چکیده
سیستم های پایگاه داده امن چند سطحی سیستم هایی هستند که به هر آیتم داده ،یک سطح امنیت یا سطح حساسیت اختصاص داده می شود. دسته بندیهای امنیتی از طریق ارتباط کامل با عناصر داده فردی تخصیص داده می شوند. برای تخصیص سطوح حساسیت، ازقابلیت محدودیت های امنیتی یا قواعد دسته بندی استفاده می شود. محدودیت های امنیت ، سطوح امنیت را براساس زمینه، محتوا و زمان آیتم های داده تخصیص می دهند. در این مقاله، به منظور فراهم نمودن امنیت اضافی هنگام ذخیره روی سایت های مختلف، یک معماری یکپارچه برای عملیات های پرس و جوی توزیع شده و کدگذاری سطوح متعدد پیشنهاد می کنیم.

• بخشی از مقاله انگلیسی:

Abstract

Multilevel secure database systems are the systems, which each data item is assigned a security level or sensitivity level. The security classifications are assigned from complete relation to the individual data elements. To assign sensitivity levels, the capability of security constraints or classification rules is utilized. Security constraints assign the security levels on the basis of content, context, and time of data items. In this paper, we propose an integrated architecture for distributed query operations and coding of multi-levels for the purpose of providing extra security when it is stored on various sites. Published in:

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود مقاله ترجمه شده پردازش query در پایگاه داده توزیع شده امن چند سطحی – مجله IEEE اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

 چکیده
1 مقدمه
2 معماری محیط سیار
3 نقش تحرک پذیری
A تحرک پذیری ترمینال:
B تحرک پذیری شخصی
4 اثر تحرک پذیری بر پردازش پرس و جو
A مدلهای مختلف مکان
B تیپ های مختلف پرس و جو
C بهینه سازی پرس و جو
D اجرای پرس و جو
E تاثیر محدودیت های وسایل سبک و قابل حمل
F تاثیر ارتباط بی سیم
5 پردازش پرس و جو در پایگاههای داده سیار
A کار فعلی روی پردازش پرس و جو
B تیپ های سیستم های پردازش پرس و جو
6 نتیجه گیری

بخشی از ترجمه:

3) سیستم سرور
این سیستم مسئله زمان بندی پخش بر مبنای پول را مد نظر قرار می دهد که ارباب رجوع های سیار، پرس و جوهایی را از طریق سیستم شبکه بی سیم برای سرور ارسال کرده، سرور ، پرس و جو را پردازش نموده و نتیجه را برای ارباب رجوع ارسال می کند.همان گونه که در شکل 6 نشان داده شده است، سیستم سرور دارای سه زیرسیستم می باشد. مدیر منابع که ، زمان CPU سرور برای پرس و جو را مدیریت و پردازش را به روزرسانی می کند، یک ژنراتور به روزرسانی که ، درخواست های به روزتولید می کند و مدیر سرور که مسئولیت هماهنگی درخواست های پرس و جو از MH و به روزرسانی درخواست ها از ژنراتور به روزرسانی را برعهده دارد.
زمانی که CQ توسط یک MH منتشر می شود، توسط مدیر سرور پردازش و مجموعه تاپل های تامین کننده پرس و جو، تعیین می شوند. تعداد تاپل ها در مجموعه پاسخ CQ ، تصادفاً با استفاده از ماکسیمم مقدار ماکسیمم تعداد تاپل ها تعیین می شود. مدیر سرور همچنین در مورد زمان و تاپل هایی که باید منتقل شوند نیز تصمیم گیری می کند. این استراتژی با زمان بندی دیسک و پخش سر و کار دارد. زمان بندی پخش ، چگونگی استفاده کارآمد از پرس و جوها در سرور با توجه به تعداد عواملی مثل طول پرس و جو، زمان انتظار و شهرت آیتم ها را تعیین می کند.
سرور پایگاه داده توانایی بهبود عملکرد بازاریابی داده ها با استفاده از حافظه و کش خود جهت ذخیره سازی آیتم های پایگاه داده قابل دسترسی توسط اکثر ارباب رجوع های سیار را دارد. پرس و جو در سرور دیسک یا سرور کش پردازش میشود. اگر آیتم داده مربوطه از قبل بازیابی شده باشند،آنگاه پرس و جو در سرور کش پردازش می گردد. پس از پردازش پرس و جو، نتایج به صف فرستنده انتقال و از آنجا آیتم های داده های از طریق کانال بی سیم فرستاده می شوند.
6. نتیجه گیری
پیشرفتهای اخیر در تکنولوژی بی سیم، به افراد چادرنشین اجازه می دهد با استفاده از وسایل بی سیم، به ایمیل، اخبار، آب و هوا و پرس و جو از سرور پایگاه داده مرکزی دسترسی داشته باشند. کار فعلی با کمک پایگاه داده سیار ذخیره شده در BS به تیپ های مختلفی ازپرس و جوها پاسخ می دهد. پایگاه داده سیار بر مسئله پرس و جو تاکید می کند که کار اصلی در محاسبات سیاربه شمار می رود. ازآنجایی که پایگاه داده سیار، بعد جدیدی از کاربرد پایگاه داده را تشکیل می دهد، در نتیجه تیپ های پرس و جو، سیستم پردازش پرس و جو و تکنولوژی ارتباطی در برنامه کاربردی با پایگاههای داده سنتی تفاوت دارند. در اینجا نقش تحرک پذیری و همچنین سیستم پردازش جستجو در پایگاههای داده سیار را تعریف کرده ایم. پردازش پرس و جو در پایگاههای داده سیار شامل ارباب رجوع (برنامه) سیار، شبکه بی سیم و سیستم سرورمی شود.
کار حاضر را در آینده با دستیابی به الگوی ورود پرس و جو در BS های مختلف محیط می توان بسط وتوسعه و بدین طریق تعداد تبادل پیام و تاخیر در پاسخگویی به چنین پرس و جویی را به حداقل رساند. برای شناخت این امکان به عنوان واقعیت، توسعه پایگاه داده سیار آنلاین ایمن و سیستم پردازش پرس و جوی بهینه ضروری می باشد.

بخشی از مقاله انگلیسی:

I. INTRODUCTION Recent advances in hardware technology and wireless communication networks have directed to the emergence of mobile database systems [1,2]. The mobile computing environment provides database applications with useful aspects of wireless technology, which is known as mobile databases. This advance technology has created a new age of nomadic database users. These users are accessing a database through a network. Basically, a user with a wireless connection to the information network does not require maintaining a fixed position in the network. In mobile environment, elements of the network are very dynamic and can be extremely volatile. Consider a database representing information about moving objects and their position in addition to information about stationary objects [5]. For example, a mobile user looking for a restaurant will obtain different results based on the time and the place he/she issued the query. As the location of other devices changes with respect to other entities and data sources are constantly in movement it may not be possible to collect information about available data sources at any given point of time. As the mobility is the most distinguishing feature of the mobile computing system, location becomes an important piece of information for location-dependent queries [16, 17]. Query may be issued from a moving object (e.g., car of a mobile user) or from a stationary user. Consequently, the answer to a location dependent query may depend on the location of the mobile host (MH) which issued the query and/or the locations of the objects represented in the database. Therefore, an optimal query processing subsystem of a mobile database has to take the strategy used by the location management component into account for answering queries. The remainder of the paper is organized as follows. In Section 2, we introduce architecture of mobile environment. In Section 3, we describe the role of mobility. Section 4 presents the effect of mobility in mobile environments. Section 5 we study the Query processing system in mobile environment. Finally section 6 concludes the paper. II. ARCHITEURE OF MOBILE ENVIRONMENT Figure 1 shows the existing and widely architectural model of a system that supports mobile computing [19,20]. We have added a number of DBSs (database servers) to incorporate database processing of capability without affecting any aspect of the generic mobile network. A set of general purpose computers (PCs, workstations etc) are interconnected through a high speed wired network.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله بهبود پردازش پرس و جو با سیستم دیتابیس سیار اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
۱ مقدمه
۲ کارهای وابسته
۳ مقدمات و کلیاتی پیرامون هادپ
۴ سیستم پیشنهاد شده
۱ ۴ ساخت شاخص (شاخص سازی)
۲ ۴ ارزیابی پرس و جو
۵ نتایج آزمایشی
۱ ۵ عملکرد شاخص سازی
۲ ۵ عملکرد ارزیابی پرس و جو
۶ نتایج

بخشی از ترجمه:

 چکیده:
با افزایش داده ها با نرخ باورنکردنی، توسعه فناوریهای محاسبات ابری یکی از عوامل بسیار مهم برای پیشرفت تحقیقات محسوب می شود. آپاچی هادوپ به چارچوب محاسبات ابری منبع باز با کاربردی وسیع تبدیل شده است که سیستم فایل توزیع شده ای برای پردازش داده های بزرگ مهیا می سازد. در این مقاله، اجرای محاسبات ابری یک روش شاخص گذاری XML موسوم به NCIM ( روش شاخص گذاری خوشه بندی گره) را مطرح می کنیم که توسط تیم تحقیق برای شاخص گذاری و پرس و جوی تعداد بزرگی از اسناد XML با استفاده از   توسعه یافت. نتایج آزمایشی نشان می دهد که NCIM برای محیط محاسبات ابری مناسب می باشد. کارایی و توان عملیاتی 1200 پرس و جو در ثانیه برای مقدار عظیم پرس و جوها با استفاده از خوشه 15 گرهی به کاربردهای بالقوه NCIM برای پردازش پرس و جوی سریع اسناد بزرگ اینترنتی اشاره می کند.

 ۱ مقدمه

XML (زبان علامتگذاری توسعه پذیر) به عنوان زبان علامتگذاری اسناد وب کاربرد دارد. اما نمایش XML از لحاظ پردازش جست و جو کارآمد نیست. برای تسریع روند پردازش پرس و جو، تعدادی شیوه شاخص گذاری برای اسناد XML پیشنهاد شده است. اکثر این کارها مکانیسم هایی برای ساخت شاخص ها و روشهایی برای ارزیابی پرس و جو ارائه می دهند که با یک یا چند سند به شیوه ای متمرکز سرو کار دارند. در دنیای واقعی، یک پایگاه داده XML می تواند حاوی تعداد زیادی سند XML باشد که نیازمند مقیاس پذیری روشهای شاخص گذاری XML برای نیل به عملکرد بالا می باشند.
مفهوم محاسبات ابری، مورد توجه زیادی قرار گرفته است، زیرا راه حلی برای افزایش تقاضاهای داده هاارائه نموده و زیرساختار محاسباتی توزیع شده مشترکی عرضه می نماید. با افزایش شهرت محاسبات ابری، آپاچی هادوپ به یک چارچوب محاسبات ابری منبع باز با کاربردی گسترده تبدیل شده است که سیستم فایل توزیع شده ای برای پردازش داده های بزرگ  فراهم می نماید. در صورت موجود بودن پلت فرم یا چارچوب محاسباتی موازی به راحتی قابل دسترسی، قدرتمند و کم هزینه، درک و فهم هرچه بهتر نحوه حل یک مسئله خاص اهمیت دارد.
اگرچه مقالات زیادی در مورد موضوع روشهای پرس و جو و شاخص گذاری XML منتشر شده است، اما اکثر آنها به نمونه داده های کوچک اجرا شده در سیستم متمرکز محدود شده اند.  با مشهور شدن محاسبات ابری، مسائل مربوط به تجزیه موازی XML اخیراً مورد بحث قرار گرفته است. اما، با توجه به سطح دانش و آگاهی ما، کارهای بسیار کمی وجود دارد که مسئله شاخص گذاری و همچنین پرس و جوی اسناد XML در محیط های توزیع شده بزرگ را مورد بررسی قرار دهد. کشف این مسئله که آیا امکان مقیاس بندی روشهای شاخص گذاری موجود XML وجود دارد یا خیر، به خاطر وسعت اسناد XML در وب یک مسئله مهم به شمار می رود.
در کار قبل، یک روش شاخص گذاری موسوم به NCIM را مطرح کردیم که اسناد XML را به گونه ای موثر متراکم و فشرده کرده و از پرس و جوهای پیچیده به صورت کارآمد حمایت می کند. در این مقاله، از چارچوب هادوپ برای معرفی مکانیسمی برای ساخت و ذخیره توزیع شده شاخص ها و همچنین پردازش توزیع شده پرس و جو برای تعداد بزرگی از اسناد بزرگ XML براساس NCIM استفاده می کنیم.

6. نتایج
در این مقاله سیستمی را پیشنهاد کردیم که شاخص هایی را ساخته و حجم وسیعی از پرس و جوها را برای تعداد زیادی از اسناد XML با استفاده از چارچوب   پردازش می کند. تطابق و تناسب NCIM ، که توسط تیم تحقیق توسعه یافت،برای تعداد زیادی از اسناد XML در این مقاله شرح داده شده است. نتایج آزمایشی نشان می دهد که سیستم پیشنهاد شده می تواند با فایلهای ورودی بزرگ XML به گونه ای  کارآمد سرو کار داشته باشد. نتایج آزمایشی همچنین نشان می دهد کارایی مد پردازش پرس و جوی ناپیوسته بسیار بالاتر از مد پیوسته می باشد. در مد پردازش ناپیوسته، کارایی 1200 پرس و جودر هر ثانیه برای حجم وسیعی از پرس و جوها با استفاده از خوشه 15 گرهی، به کاربردهای بالقوه NCIM برای پردازش سریع پرس و جوی اسناد بزرگ اینترنتی اشاره می کند.

بخشی از مقاله انگلیسی:

1 Introduction

XML (eXtensible Markup Language) is widely used as the markup language for theweb documents. The flexible nature of XML enables it to represent many kinds ofdata. However, the representation of XML is not efficient in terms of queryprocessing. A number of indexing approaches for XML documents are proposed toaccelerate query processing. Most of these works provide mechanisms to constructindexes and methods for query evaluation that deal with one or small amount ofdocuments in a centralized fashion. In the real world, an XML database may contain alarge number of XML documents which require the existing XML indexing methodsto be scalable for high performance.The concept of the “cloud computing” has been received considerable attentionbecause it provides a solution to the increasing data demands and offers a shared, distributed computing infrastructure [2]. With the increasing popularity of cloudcomputing, Apache Hadoop has become a widely used open source cloud computingframework that provides a distributed file system for large scale data processing.When a low-cost, powerful, and easily accessible parallel computational platform isavailable, it is important to better understand how it can solve a given problem [3].Although there are many published papers on the subject of XML indexing andquerying methods, most of them are confined to small data samples running in thecentralized system. As cloud computing becomes popular, the issues of parallel XMLparsing have been discussed recently. However, to the best of our knowledge, there isvery little work that addresses the problem of indexing as well as querying XMLdocuments on large distributed environments. Exploring whether the existingXML indexing methods can be scaled out is an important issue due to the enormousXML documents in the Web. In our previous work [1], we presented an indexing method called NCIM (NodeClustering Indexing Method) which compresses XML documents effectively andsupports complex queries efficiently. In this paper, we use Hadoop framework topresent a mechanism for distributed construction and storage of indexes as well asdistributed query processing for a large number of big XML documents on the basisof NCIM.The contributions of our work are as follows. We modify the NCIM (NodeClustering Indexing Method) and design a system for indexing and querying a largenumber of XML documents by using the Hadoop cloud computing framework. Wealso consider two job processing modes, streaming query vs. batched query, for queryevaluation in our experiments. The results show that the batched query processingwill have much better throughput.The rest of this paper is organized as follows. In the next section, we review relatedwork. Section 3 describes preliminaries on Hadoop. Section 4 presents the proposedsystem that builds indexes for XML datasets and answers massive queriessimultaneously. Experimental results are discussed in Section 5. Finally, Section 6concludes the paper. 2 Related WorkMany index methods and query evaluation algorithms have been proposed in theliterature. The most widely used approaches are structural summary and structuraljoin. The structural summary indexing methods merge the same sub-structures in anXML document and form a smaller tree structure, which is used as the index of theXML document. Thus, instead of matching an input query against the XML documentitself, the summarized index tree is used. The DataGuide [4] is a typical model. Astrong DataGuide holds all the P-C (Parent-Child) edges in an XML file. Each node ina DataGuide has an extent for the corresponding nodes in the original XMLdocument. Therefore, the P-C (Parent-Child) and A-D (Ancestor-Descendant)relationships can be evaluated using strong DataGuide directly. However, DataGuideis not feasible for twig queries, since the structure of the summarized index is not thesame as the original XML document.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله اجرای محاسبات ابری روش شاخص گذاری XML با استفاده از هادوپ – مجله اسپرینگر اولین بار در ترجمه فا پدیدار شد.