Bücher von M. Ishwariya

Big Data ist eine Sammlung verschiedener Datenverwaltungsanwendungen, die mehrere Analyseanwendungen unterstützen. Analysen ohne die Fähigkeit, große Datenmengen zu verwalten, sind nicht effektiv, und so versuchen Unternehmen, Big-Data-Technologien wie Hadoop zu nutzen. Es wird eine neue Drehtechnik (Semi Infinite Distribution) eingeführt, um die großen Daten in der Cloud oder in Online-Ressourcen zu standardisieren. Die Effektivität der Technik wird anhand von Taillord-Benchmark-Daten bewertet und die Ergebnisse werden mit der aktuellen FIFO-basierten Sequenzierungstechnik verglichen.

I Big Data sono un insieme di diverse applicazioni di gestione dei dati che supportano molteplici usi analitici. L'analisi senza la capacità di gestire dati di grandi dimensioni non è efficace e quindi le imprese cercano di sfruttare la tecnologia Big Data come Hadoop. Viene introdotta una nuova tecnica di rotazione (Semi Infinite Distribution) per standardizzare i dati di grandi dimensioni nel cloud o nelle risorse online. L'efficacia della tecnica è valutata utilizzando un benchmark di dati Taillord e i risultati sono confrontati con l'attuale tecnica di sequenziamento basata su FIFO.

Big Data é uma colecção de diferentes aplicações de gestão de dados que suportam múltiplas utilizações analíticas. A análise sem a capacidade de gerir grandes dados não é eficaz, pelo que as empresas exploram para alavancar a tecnologia de Grandes Dados como a Hadoop. Uma nova técnica de torneamento (Distribuição Semi Infinita) é introduzida para padronizar os grandes dados na nuvem ou recursos online. A eficácia da técnica é avaliada utilizando um Taillord Benchmark Data e os resultados são comparados com a actual técnica de sequenciação baseada no FIFO.

Big Data es una colección de diferentes aplicaciones de gestión de datos que soportan múltiples usos analíticos. La analítica sin la capacidad de gestionar grandes datos no es eficaz, por lo que las empresas exploran para aprovechar la tecnología de Big Data como Hadoop. Se introduce una nueva técnica de volteo (Semi Infinite Distribution) para estandarizar los grandes datos en la nube o en recursos online. La eficacia de la técnica se evalúa utilizando un Taillord Benchmark Data y los resultados se comparan con la actual técnica de secuenciación basada en FIFO.

Le Big Data est un ensemble de différentes applications de gestion des données qui prennent en charge de multiples utilisations analytiques. L'analyse sans la capacité de gérer de grandes données n'est pas efficace, et donc, les entreprises explorent pour exploiter la technologie Big Data comme Hadoop. Une nouvelle technique de rotation (distribution semi-infinie) est introduite pour normaliser les données volumineuses dans le nuage ou les ressources en ligne. L'efficacité de la technique est évaluée à l'aide d'une donnée de référence Taillord et les résultats sont comparés à la technique actuelle de séquençage basée sur FIFO.

L'immensité des médias sociaux fait qu'il n'y a aucun contrôle sur la portée de l'information. De telles situations posent un défi majeur en matière de confiance et de sécurité. Lorsque l'on considère la fiabilité, la catégorie des réseaux sociaux (SN) s'avère être un risque majeur dans les médias sociaux. L'étude proposée se concentre sur les "réseaux sociaux", les défis rencontrés et propose une méthode pour évaluer la confiance de l'utilisateur sur le réseau social. L'utilisateur similaire de confiance est recommandé aux alter de l'utilisateur ego qui reçoit une demande d'ami d'un autre alter ou pour augmenter la demande d'ami vers l'utilisateur similaire de confiance. La confiance recommandée est calculée à l'aide d'un modèle de réputation basé sur SDE et d'une modélisation thématique avec LDA. La technique de recommandation hybride est mise en ¿uvre à l'aide du clustering CANOPY qui crée différents groupes d'utilisateurs similaires de confiance. Chaque groupe est évalué pour sa qualité et les utilisateurs du groupe sont recommandés pour les demandes d'amis. La performance effective du système de recommandation est évaluée.

La vastità dei social media fa sì che non vi sia alcun controllo sulla portata delle informazioni. Queste situazioni pongono una sfida importante in termini di fiducia e sicurezza. Se si considera l'affidabilità, la categoria dei Social Network (SN) si rivela un rischio importante nei social media. Lo studio proposto si concentra sui "Social Network", sulle sfide da affrontare e suggerisce un metodo per valutare la fiducia dell'utente sul social network. L'utente simile fidato viene raccomandato agli alter dell'utente ego che riceve una richiesta di amicizia da un altro alter o di inviare la richiesta di amicizia all'utente simile fidato. La fiducia raccomandata viene calcolata utilizzando il modello di reputazione basato su SDE e la modellazione degli argomenti con LDA. La tecnica di raccomandazione ibrida è implementata utilizzando il clustering CANOPY, che crea vari gruppi di utenti simili fidati. Ogni gruppo viene valutato per la sua qualità e gli utenti all'interno del gruppo vengono raccomandati per la richiesta di amicizia. Vengono valutate le prestazioni effettive del sistema di raccomandazione.

A vastidão dos meios de comunicação social garante que não há controlo sobre o âmbito da informação. Tais situações representam um grande desafio de confiança e segurança. Quando se considera a fiabilidade, a categoria Rede Social (SN) prova um grande risco nos meios de comunicação social. O estudo proposto concentra-se nas "Redes Sociais", os desafios enfrentados e sugere um método para avaliar a confiança do utilizador na rede social. Recomenda-se que um utilizador semelhante de confiança altere o utilizador do ego que está a receber um pedido de amigo de outro alterador ou que levante o pedido de amigo para o utilizador semelhante de confiança. A confiança recomendada é calculada utilizando o modelo de reputação baseado na SDE e a modelagem de tópicos com LDA. A técnica de recomendação híbrida é implementada utilizando o agrupamento CANOPY que evolui para vários grupos de utilizadores similares de confiança. Cada grupo é avaliado pela sua qualidade e os utilizadores dentro do grupo são recomendados para pedido de amigo. O desempenho efectivo do sistema de recomendação é avaliado.

Die Weite der sozialen Medien sorgt dafür, dass es keine Kontrolle über den Umfang der Informationen gibt. Solche Situationen stellen eine große Herausforderung für Vertrauen und Sicherheit dar. Wenn es um die Vertrauenswürdigkeit geht, erweist sich die Kategorie der sozialen Netzwerke (SN) als ein großes Risiko in den sozialen Medien. Die vorgeschlagene Studie konzentriert sich auf "Soziale Netzwerke", die damit verbundenen Herausforderungen und schlägt eine Methode vor, um das Vertrauen des Benutzers in das soziale Netzwerk zu bewerten. Ein vertrauenswürdiger ähnlicher Benutzer wird den anderen Benutzern des Ego-Benutzers empfohlen, die eine Freundschaftsanfrage von einem anderen Benutzer erhalten oder die Freundschaftsanfrage an den vertrauenswürdigen ähnlichen Benutzer richten. Das empfohlene Vertrauen wird mithilfe eines SDE-basierten Reputationsmodells und einer Themenmodellierung mit LDA berechnet.

La inmensidad de los medios sociales hace que no haya control sobre el alcance de la información. Estas situaciones plantean un importante reto de confianza y seguridad. Cuando se considera la fiabilidad, la categoría de Red Social (SN) demuestra ser un riesgo importante en los medios sociales. El estudio propuesto se centra en las "Redes Sociales", los retos a los que se enfrentan y sugiere un método para evaluar la confianza del usuario en la red social. El usuario similar de confianza se recomienda a los alters del usuario ego que está recibiendo la solicitud de amistad de otro alter o para elevar la solicitud de amistad hacia el usuario similar de confianza. La confianza recomendada se calcula utilizando el modelo de reputación basado en SDE y el modelado de temas con LDA.