Knowledge Discovery from Multi-Sourced Data by Ye, Chen; Wang, Hongzhi; Dai, Guojun;

Sorozatcím: SpringerBriefs in Computer Science;

20% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 53.49
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

22 184 Ft (21 128 Ft + 5% áfa)
Kedvezmény(ek) 20% (cc. 4 437 Ft off)
Kedvezményes ár 17 748 Ft (16 902 Ft + 5% áfa)

22 184 Ft

Beszerezhetőség

Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.

A termék adatai:

Kiadás sorszáma 1st ed. 2022
Kiadó Springer Nature Singapore
Megjelenés dátuma 2022. június 15.
Kötetek száma 1 pieces, Book

ISBN 9789811918780
Kötéstípus Puhakötés
Terjedelem83 oldal
Méret 235x155 mm
Súly 163 g
Nyelv angol
Illusztrációk XII, 83 p. 14 illus., 9 illus. in color. Illustrations, black & white

Kategóriák

Valószínűségelmélet és matematikai statisztika Rendszeranalízis, rendszertervezés Adatkezelés a számítógépes rendszerekben Operációs rendszerek és grafikus felhasználói felületek Adatbázis kezelő szoftverek Mesterséges intelligencia Valószínűségelmélet és matematikai statisztika (karitatív célú kampány) Rendszeranalízis, rendszertervezés (karitatív célú kampány) Adatkezelés a számítógépes rendszerekben (karitatív célú kampány) Operációs rendszerek és grafikus felhasználói felületek (karitatív célú kampány) Adatbázis kezelő szoftverek (karitatív célú kampány) Mesterséges intelligencia (karitatív célú kampány)

Hosszú leírás:

This book addresses several knowledge discovery problems on multi-sourced data where the theories, techniques, and methods in data cleaning, data mining, and natural language processing are synthetically used. This book mainly focuses on three data models: the multi-sourced isomorphic data, the multi-sourced heterogeneous data, and the text data. On the basis of three data models, this book studies the knowledge discovery problems including truth discovery and fact discovery on multi-sourced data from four important properties: relevance, inconsistency, sparseness, and heterogeneity, which is useful for specialists as well as graduate students.

Data, even describing the same object or event, can come from a variety of sources such as crowd workers and social media users. However, noisy pieces of data or information are unavoidable. Facing the daunting scale of data, it is unrealistic to expect humans to “label” or tell which data source is more reliable.Hence, it is crucial to identify trustworthy information from multiple noisy information sources, referring to the task of knowledge discovery.

At present, the knowledge discovery research for multi-sourced data mainly faces two challenges. On the structural level, it is essential to consider the different characteristics of data composition and application scenarios and define the knowledge discovery problem on different occasions. On the algorithm level, the knowledge discovery task needs to consider different levels of information conflicts and design efficient algorithms to mine more valuable information using multiple clues. Existing knowledge discovery methods have defects on both the structural level and the algorithm level, making the knowledge discovery problem far from totally solved.

Több

Tartalomjegyzék:

1. Introduction.- 2. Functional-dependency-based truth discovery for isomorphic data.- 3. Denial-constraint-based truth discovery for isomorphic data.- 4. Pattern discovery for heterogeneous data.- 5. Deep fact discovery for text data.

Több

Mostanában megtekintett