ترجمه مقاله سیستم پردازش داده های گراف در برنامه خدماتی شبکه های اجتماعی - نشریه وایلی

ترجمه مقاله سیستم پردازش داده های گراف در برنامه خدماتی شبکه های اجتماعی - نشریه وایلی
قیمت خرید این محصول
۴۶,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
یک سیستم پردازش داده های گراف کارآمد در برنامه های خدماتی شبکه های اجتماعی در مقیاس بزرگ
عنوان انگلیسی
An efficient graph data processing system for large-scale social network service applications
صفحات مقاله فارسی
34
صفحات مقاله انگلیسی
19
سال انتشار
2014
نشریه
وایلی - Wiley
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
4898
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
امنیت اطلاعات، رایانش ابری، مهندسی الگوریتم ها و محاسبات و برنامه نویسی کامپیوتر
مجله
همزمانی و محاسبات: تمرین و تجربه
دانشگاه
موسسه مهندسی اطلاعات، علوم آکادمی، پکن، چین
کلمات کلیدی
تحلیل ایده عمومی، پردازش گراف، تحلیل گراف
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2. پیشینه
1. 2 مدل BSP
2. 2 گراف ساده و ابر گراف
3. طراحی سیستم پردازش داده های گراف
1. 3 مدل برنامه ریزی
2. 3 ذخیره داده های گراف
3. 3 تحلیل داده های گراف
(a) توزیع وظیفه
(b) پیام کنترل
(c) پیام داده ها
(d)پیام تکرار
2. 3. 3. استراتژیهای بهینه سازی
(a) بررسی سند قبل از ارسال
(b) اجتناب از پیام های غیر ضروری
4. کاربردها
1. 4 PageRank
2. 4 کوتاهترین مسیر تا یک راس
5. ارزیابی آزمایشی
1. 5 پیکره بندیهای آزمایش
2. 5 عملکرد سازماندهی داده های گراف
3. 5 تحلیل داده های گراف
1. 3. 5 بررسی سند قبل از ارسال
2. 3. 5 اجتناب از پیام های غیر ضروری
6. کارهای وابسته
7. نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
SUMMARY Trust in social network draws more and more attentions from both the academia and industry fields. Public opinion analysis is a direct way to increase the trust in social network. Because the public opinion analysis can be expressed naturally by the graph algorithm and graph data are the default data organization mechanism used in large-scale social network service applications, more and more research works apply the graph processing system to deal with the public opinion analysis. As the data volume is growing rapidly, the distributed graph systems are introduced to process the large-scale public opinion analysis. Most of graph algorithms introduce a large number of data iterations, so the synchronization requirements between successive iterations can severely jeopardize the effectiveness of parallel operations, which makes the data aggregation and analysis operations become slower. In this paper, we propose a largescale graph data processing system to address these issues, which includes a graph data processing model, Arbor. Arbor develops a new graph data organization format to represent the social relationship, and the format can not only save storage space but also accelerate graph data processing operations. Furthermore, Arbor substitutes time-constrained synchronization operations with non-time-constrained control message transmissions to increase the degree of parallelism. Based on the system, we put forward two most frequently used graph applications on Arbor: shortest path and PageRank. In order to evaluate the system, we compare Arbor with the other graph processing systems using large-scale experimental graph data, and the results show that it outperforms the state-of-the-art systems. Copyright © 2014 John Wiley & Sons, Ltd.
نمونه چکیده ترجمه متن فارسی
خلاصه
اعتماد در شبکه های اجتماعی از سوی فیلدهای علمی و صنعتی مورد توجه زیادی قرار گرفته است. تحلیل ایده عمومی Opinion alalysis ، راهی مستقیم برای افزایش اعتماد در شبکه های اجتماعی به شمار می رود. از آنجایی که این نوع تحلیل را می توان طبقاً با الگوریتم گراف بیان و داده های گراف، مکانیسم سازماندهی داده های پیش فرض بکاررفته در کاربردهای خدماتی شبکه های اجتماعی بزرگ (درمقیاس بزرگ) محسوب می شوند، در نتیجه کارهای تحقیقاتی و پژوهشی بیشتر از سیستم پردازش گراف برای رسیدگی به تحلیل ایده عمومی استفاده می کنند. با رشد سریع حجم داده ها، برای پردازش تحلیل ایده عمومی در مقیاس بزرگ از سیستم های گراف توزیع شده، استفاده می گردد. اکثر الگوریتم های گراف، تعداد زیادی تکرار داده معرفی می کنند، به همین خاطر نیازهای سنکرون سازی بین تکرارهای متوالی ، می تواند اثربخشی عملیات های موازی را جداً به خطر بیندازد، که این مسئله عملیات های تجمع و تحلیل داده ها را کند تر می کند. در این مقاله، برای بررسی این مسائل ، سیستم پردازش داده های گراف بزرگی پیشنهاد می کنیم که شامل مدل پردازش داده های گراف، Arbor می شود. Arbor برای نمایش رابطه اجتماعی، یک فرمت سازماندهی جدیدی برای داده های گراف توسعه می دهد و این فرمت نه تنها در فضای ذخیره سازی صرفه جویی می کند بلکه همچنین عملیات های پردازش داده های گراف را تسریع می نماید. به علاوه، Arbor جانشین عملیات های سنکرون سازی با بازه زمانی محدود با انتقال پیام کنترل با بازه زمانی نامحدود جهت افزایش درجه موازات و برابری می شود. براساس سیستم پیشنهادی، دو کاربرد برتر گراف روی Arbor را مطرح می کنیم: کوتاه ترین مسیر و PageRank. برای ارزیابی سیستم، با استفاده از داده های گراف آزمایشی در مقیاس بزرگ، Arbor را با دیگر سیستم های پردازش گراف مقایسه کرده و نتایج بدست آمده نشان می دهد که سیستم پیشنهادی برتر از سیستم های پیشرفته عمل می کند.

بدون دیدگاه