交互式数据探索综述

发布时间：2019-06-03 07:07

【摘要】：大规模数据集已经超过TB和PB级,现有的技术可以收集和存储大量的信息。虽然数据库管理系统一直在不断提高提供复杂的多种数据管理的能力,但是管理查询工具并不能满足大数据的需求,如何精准理解和探索这些大规模数据集仍然是一个巨大的挑战。交互式数据探索(interactive data exploration,IDE)的关注点是强调交互、探索和发现,能让用户从海量的数据中用最小的代价更精确地找到他们需要的信息。首先对交互式数据探索及其应用背景进行了介绍,总结了通用的探索模型和IDE的特点,分析了交互式数据探索中的查询推荐技术和查询结果优化技术的现状;随后分别对IDE原型系统进行了分析和比较;最后给出了关于交互式数据探索技术的总结和展望。
[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.
【作者单位】： 东北大学计算机科学与工程学院计算机科学系;
【基金】：国家自然科学基金No.61272180 中央高校基本科研业务费专项资金No.N161604005~~
【分类号】：TP311.13

【参考文献】

相关期刊论文 前9条

1 谭红叶;要一璐;梁颖红;;基于知识脉络的科技论文推荐[J];山东大学学报(理学版);2016年05期

2 李程;曹菡;师军;;基于MapReduce的混合推荐算法及应用[J];计算机技术与发展;2016年04期

3 马建威;陈洪辉;STEPHAN Reiff-Marganiec;;基于混合推荐和隐马尔科夫模型的服务推荐方法[J];中南大学学报(自然科学版);2016年01期

4 艾磊;赵辉;;基于知识的推荐系统用户交互模型研究[J];软件导刊;2015年03期

5 李慧;胡云;李存华;王霞;;基于近邻关系的个性化推荐算法研究[J];计算机工程与应用;2012年36期

6 赵永梅;任大勇;张红梅;拓明福;;用动态贝叶斯网络构建协同过滤推荐的新方法[J];科学技术与工程;2011年09期

7 孟宪福;陈莉;;基于贝叶斯理论的协同过滤推荐算法[J];计算机应用;2009年10期

8 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

9 邓爱林,左子叶,朱扬勇;基于项目聚类的协同过滤推荐算法[J];小型微型计算机系统;2004年09期

【共引文献】

相关期刊论文 前10条

1 余鹏程;李烨;;基于属性规则与关联规则的推荐模型设计[J];电子科技;2017年03期

2 张俊;刘满;彭维平;闫玺玺;;融合兴趣和评分的协同过滤推荐算法[J];小型微型计算机系统;2017年02期

3 鲁辉;张太华;何二宝;徐卫平;;基于产品属性及用户偏好的个性化产品推荐方法[J];贵州师范大学学报(自然科学版);2017年01期

4 丁沂;;推荐系统算法探讨[J];江苏科技信息;2017年04期

5 何金金;郭振波;张宇;;基于推荐技术的个性化信息助手的改良[J];工业控制计算机;2017年01期

6 石宇;查梦娟;梁宇;邱惠;;基于群体兴趣的个性化推荐候选集构建[J];数字图书馆论坛;2017年01期

7 童向荣;姜先旭;王莹洁;张楠;;信任网络形成及其在智能推荐中的应用研究进展[J];小型微型计算机系统;2017年01期

8 梁向阳;张博伦;;协同过滤推荐技术归类分析与探讨[J];计算机与现代化;2016年12期

9 丁沂;;基于社会网络的个性化推荐系统研究[J];无线互联科技;2017年01期

10 张林;王晓东;姚宇;;基于项目聚类和时间因素改进的推荐算法[J];计算机应用;2016年S2期

【二级参考文献】

相关期刊论文 前10条

1 陈洁敏;汤庸;李建国;蔡奕彬;;个性化推荐算法研究[J];华南师范大学学报(自然科学版);2014年05期

2 钱忠胜;;一种基于有限状态机的测试路径生成方法[J];小型微型计算机系统;2014年07期

3 汤青;吕学强;李卓;;本体概念间上下位关系抽取研究[J];微电子学与计算机;2014年06期

4 廉涛;马军;王帅强;崔超然;;LDA-CF:一种混合协同过滤方法[J];中文信息学报;2014年02期

5 余肖生;孙珊;;基于网络用户信息行为的个性化推荐模型[J];重庆理工大学学报(自然科学);2013年01期

6 陈如明;;大数据时代的挑战、价值与应对策略[J];移动通信;2012年17期

7 孟祥武;胡勋;王立才;张玉洁;;移动推荐系统及其应用[J];软件学报;2013年01期

8 张e，

本文编号：2491755