Journal of Theoretical & Computational Science
Offener Zugang

Abstrakt

Mining Negation von Beschränkungen, Anwendung zur Online-Problemlösung und Wissensentdeckung in großen Datenmengen

Vincent Armant

In diesem Vortrag wird der Nutzen der Negierung von Beschränkungen durch Mining für zwei verschiedene Forschungsbereiche erörtert und veranschaulicht: Online-Problemlösung und Wissensentdeckung in Big Data. Im Kontext von Online-Problemlösungsanwendungen zeigen wir, wie die Entdeckung räumlich-zeitlicher Beschränkungen, die widersprüchliche Zuweisungsregeln zwischen Fahrern und Mitfahrern darstellen, dazu beitragen kann, größere Online-Fahrgemeinschaftsprobleme zu lösen. Fahrgemeinschaftsprobleme sind Unterklassen von Fahrzeug-Routingproblemen, die darauf abzielen, potenzielle Fahrgäste den Autos der Fahrer zuzuweisen. Im Kontext von Wissensentdeckungsanwendungen zeigen wir einen allgemeinen Schlüsselentdeckungsansatz, der die Vorteile der Nicht-Schlüsselentdeckung nutzt, um große RDF-Wissensbasen zu bewältigen. Im Kontext der Datenverknüpfung werden Schlüsselbeschränkungen, die eine Ressource eindeutig identifizieren, verwendet, um Identitätsverknüpfungen zwischen evolutiven und heterogenen Wissensbasen abzuleiten. Am Ende des Vortrags diskutieren wir, wie diese Ansätze verallgemeinert und in verschiedenen Anwendungskontexten, einschließlich der numerischen Landwirtschaft, wiederverwendet werden können.