این محصول یک مقاله به زبان فارسی با عنوان “بهینه سازی پرس و جو با تطبیق الگوی توزیعی” بوده و در دو فرمت word و pdf آماده خریداری و دانلود فوری می باشد.
دانلود مقاله بهینه سازی پرس و جو با تطبیق الگوی توزیعی
ریال630.000
مشخصات مقاله | |
عنوان مقاله | بهینه سازی پرس و جو با تطبیق الگوی توزیعی |
فرمت مقاله | ورد تایپ شده با قابلیت ویرایش (DOCX) و پی دی اف (PDF) |
تعداد صفحات مقاله | 33 صفحه |
سایز متن مقاله | 14 |
فونت متن مقاله | بی نازنین |
رشته های مرتبط با این مقاله | کامپیوتر – فناوری اطلاعات |
گرایش های مرتبط با این مقاله | نرم افزار – الگوریتم ها و محاسبات |
موضوعات | – |
منبع و رفرنس | دارد |
کد محصول | w2042 |
حجم فایل | 1Mb |
وضعیت | آماده خرید و دانلود |
فهرست مطالب مقاله |
چکیده مقدمه مقدمات بهینه سازی مبتنی بر برنامه نویسی دینامیک برنامه های خطی تولید طرح های نقطه ای استفاده مجدد از محاسبات ارزیابی آزمایشی |
بخشی از متن مقاله |
چکیده:
1-مقدمه بسیاری از مجموعه داده های گراف آن قدر بزرگ هستند که مدیریت آن ها بر روی یک ماشین سخت بوده و از این روی دسته ای از ماشین ها برای پردازش، ذخیره، مدیریت و تحلیل داده های گراف به کار برده می شوند. برای مثال، از سال 2012، گراف کاربر فیسبوک دارای 900 میلیون راس( درجه متوسط راس، 130 است) می باشد(1). در جامعه وب معنایی، جنبش داده های اپن لینکینگ، 6 میلیون تریپل را ( یک تریپل، برابر باست با یک لبه در یک گراف) از 300 مجموعه داده به هم پیوسته جمع اوری کرده است. از آن جا که بسیاری از الگوریتم های گراف در اصل با این فرض طراحی شده اند که گراف کامل را می توان در مموری بر روی یک ماشین ذخیره سازی کرد، معماری های توزیع یافته فوق نیاز به بازبینی این الکوریتم ها در زمینه توزیعی می باشند زیرا ملاحظاتی نظیر نهفتگی شبکه و بازدهی می تواند مانع از اجرای متعارف این الگوریتم ها شود. تطبیق الگوی زیر گراف یک عملیات بسیار مهم می باشد که باید برای ذخایر گراف توزیعی باز بینی شود. عملیات تطبیق زیر گراف در عملیات داده کاوی شبکه اجتماعی( شمارش مثلث ها برای اندازه گیری اثر اجتماعی مراسم ها)، پرس و جو هایSPARQL در گراف داده های لینک شده و الگوریتم های یادگیری ماشین که موجب راه اندازی موتور ها برای سرگرمی و ابزار های تجارت الکترونیکی به شدت استفاده می شود. مقاله حاضر به طور صریحی از روش های برنامه نویسی دینامیک سبک سیستم r استفاده می کند تا تطبیق الگوی زیر گراف توزیعی را بهینه سازی کند. با این حال، پی برده شد که این الگوریتم های متعارف باید به سه طریق اصلاح شوند تا عملکرد خوبی برای داده های گراف داشته باشند. • اگرچه سایرین خاطر نشان کرده اند که حتی در زمینه های نسبی متعارف، مسئله سیستم R از درختان منجر به راهبرد بهینه سازی نیمه بهینه می شود، در نظر گرفتن برنامه های نقطه ای برای پرس و جو های تطبیق الگوی گراف توزیعی از اهمیت زیادی برای کاهش ترافیک شبکه و اندازه خروجی های میانی برخوردار است. بحی اکتشافی که برای آن ها طرح های نقطه ای در نظر گرفته می شوند باید اهرم خصوصیات گراف باشد. • چرخه ها به طور مکرر در الگوهای پرس و جو در مدل گراف نسبت به داده های نشان داده شده در مدل های دیگر ظاهر می شوند. آن ها را می توان طوری اهرم بندی کرد که موجب بهبود عملکرد پرس و جو شده و به طور صریح طی تولید برنامه در نظر گرفته شوند. • به طور کلی، تطبیق الگوی توزیعی زیر گراف با یافتن مولفه هایی از زیر گراف و اتصال این مولفه ها به هم انجام می شود. با این حال وقتی که الگوهای گراس خالص مورد جست و جو باشند، مجموعه های میانی حاصله، اندازه شان بزرگ تر می شود. |
وضعیت هزینه | ویژه با هزینه |
---|