【摘要】：大規(guī)模數(shù)據(jù)集已經(jīng)超過TB和PB級,現(xiàn)有的技術(shù)可以收集和存儲大量的信息。雖然數(shù)據(jù)庫管理系統(tǒng)一直在不斷提高提供復(fù)雜的多種數(shù)據(jù)管理的能力,但是管理查詢工具并不能滿足大數(shù)據(jù)的需求,如何精準(zhǔn)理解和探索這些大規(guī)模數(shù)據(jù)集仍然是一個巨大的挑戰(zhàn)。交互式數(shù)據(jù)探索(interactive data exploration,IDE)的關(guān)注點是強調(diào)交互、探索和發(fā)現(xiàn),能讓用戶從海量的數(shù)據(jù)中用最小的代價更精確地找到他們需要的信息。首先對交互式數(shù)據(jù)探索及其應(yīng)用背景進行了介紹,總結(jié)了通用的探索模型和IDE的特點,分析了交互式數(shù)據(jù)探索中的查詢推薦技術(shù)和查詢結(jié)果優(yōu)化技術(shù)的現(xiàn)狀;隨后分別對IDE原型系統(tǒng)進行了分析和比較;最后給出了關(guān)于交互式數(shù)據(jù)探索技術(shù)的總結(jié)和展望。
[Abstract]:Large-scale datasets have exceeded the TB and PB levels, and existing technologies can collect and store a large amount of information. Although the database management system has been improving its ability to provide complex and multi-data management, the management query tool can not meet the needs of big data. How to accurately understand and explore these large-scale datasets is still a huge challenge. The focus of Interactive data Exploration (interactive data exploration,IDE) is to emphasize interaction, exploration and discovery, so that users can find the information they need more accurately from the vast amount of data at the least cost. Firstly, the interactive data exploration and its application background are introduced, the general exploration model and the characteristics of IDE are summarized, and the present situation of query recommendation technology and query result optimization technology in interactive data exploration is analyzed. Then the IDE prototype system is analyzed and compared. Finally, the summary and prospect of interactive data exploration technology are given.
【作者單位】： 東北大學(xué)計算機科學(xué)與工程學(xué)院計算機科學(xué)系;
【基金】：國家自然科學(xué)基金No.61272180 中央高校基本科研業(yè)務(wù)費專項資金No.N161604005~~
【分類號】：TP311.13

【參考文獻】

相關(guān)期刊論文 前9條

1 譚紅葉;要一璐;梁穎紅;;基于知識脈絡(luò)的科技論文推薦[J];山東大學(xué)學(xué)報(理學(xué)版);2016年05期

2 李程;曹菡;師軍;;基于MapReduce的混合推薦算法及應(yīng)用[J];計算機技術(shù)與發(fā)展;2016年04期

3 馬建威;陳洪輝;STEPHAN Reiff-Marganiec;;基于混合推薦和隱馬爾科夫模型的服務(wù)推薦方法[J];中南大學(xué)學(xué)報(自然科學(xué)版);2016年01期

4 艾磊;趙輝;;基于知識的推薦系統(tǒng)用戶交互模型研究[J];軟件導(dǎo)刊;2015年03期

5 李慧;胡云;李存華;王霞;;基于近鄰關(guān)系的個性化推薦算法研究[J];計算機工程與應(yīng)用;2012年36期

6 趙永梅;任大勇;張紅梅;拓明福;;用動態(tài)貝葉斯網(wǎng)絡(luò)構(gòu)建協(xié)同過濾推薦的新方法[J];科學(xué)技術(shù)與工程;2011年09期

7 孟憲福;陳莉;;基于貝葉斯理論的協(xié)同過濾推薦算法[J];計算機應(yīng)用;2009年10期

8 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報;2009年02期

9 鄧愛林,左子葉,朱揚勇;基于項目聚類的協(xié)同過濾推薦算法[J];小型微型計算機系統(tǒng);2004年09期

【共引文獻】

相關(guān)期刊論文 前10條

1 余鵬程;李燁;;基于屬性規(guī)則與關(guān)聯(lián)規(guī)則的推薦模型設(shè)計[J];電子科技;2017年03期

2 張俊;劉滿;彭維平;閆璽璽;;融合興趣和評分的協(xié)同過濾推薦算法[J];小型微型計算機系統(tǒng);2017年02期

3 魯輝;張?zhí)A;何二寶;徐衛(wèi)平;;基于產(chǎn)品屬性及用戶偏好的個性化產(chǎn)品推薦方法[J];貴州師范大學(xué)學(xué)報(自然科學(xué)版);2017年01期

4 丁沂;;推薦系統(tǒng)算法探討[J];江蘇科技信息;2017年04期

5 何金金;郭振波;張宇;;基于推薦技術(shù)的個性化信息助手的改良[J];工業(yè)控制計算機;2017年01期

6 石宇;查夢娟;梁宇;邱惠;;基于群體興趣的個性化推薦候選集構(gòu)建[J];數(shù)字圖書館論壇;2017年01期

7 童向榮;姜先旭;王瑩潔;張楠;;信任網(wǎng)絡(luò)形成及其在智能推薦中的應(yīng)用研究進展[J];小型微型計算機系統(tǒng);2017年01期

8 梁向陽;張博倫;;協(xié)同過濾推薦技術(shù)歸類分析與探討[J];計算機與現(xiàn)代化;2016年12期

9 丁沂;;基于社會網(wǎng)絡(luò)的個性化推薦系統(tǒng)研究[J];無線互聯(lián)科技;2017年01期

10 張林;王曉東;姚宇;;基于項目聚類和時間因素改進的推薦算法[J];計算機應(yīng)用;2016年S2期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 陳潔敏;湯庸;李建國;蔡奕彬;;個性化推薦算法研究[J];華南師范大學(xué)學(xué)報(自然科學(xué)版);2014年05期

2 錢忠勝;;一種基于有限狀態(tài)機的測試路徑生成方法[J];小型微型計算機系統(tǒng);2014年07期

3 湯青;呂學(xué)強;李卓;;本體概念間上下位關(guān)系抽取研究[J];微電子學(xué)與計算機;2014年06期

4 廉濤;馬軍;王帥強;崔超然;;LDA-CF:一種混合協(xié)同過濾方法[J];中文信息學(xué)報;2014年02期

5 余肖生;孫珊;;基于網(wǎng)絡(luò)用戶信息行為的個性化推薦模型[J];重慶理工大學(xué)學(xué)報(自然科學(xué));2013年01期

6 陳如明;;大數(shù)據(jù)時代的挑戰(zhàn)、價值與應(yīng)對策略[J];移動通信;2012年17期

7 孟祥武;胡勛;王立才;張玉潔;;移動推薦系統(tǒng)及其應(yīng)用[J];軟件學(xué)報;2013年01期

8 張e，

本文編號：2491755