Die grosse Menge an gesammelten und komplexen Daten stellt auch eine Herausforderung für die Abfrage und Verarbeitung dar. Mit der Aktualisierung der Daten kann die Anzahl der im Graphen enthaltenen Knoten und Kanten immer grösser werden. Die Anzahl der Knoten in gross angelegten Graphenstrukturdaten kann Millionen oder sogar Hunderte von Millionen erreichen und weist die Merkmale Multiquelle, Heterogenität, Isomerisierung und Dynamik auf.Heterogene Big Data mit mehreren Quellen lassen sich häufig durch Darstellungslernen in eine Graphdatenstruktur umwandeln. Komplexe Netzwerkgraphen weisen in der Regel bestimmte Besonderheiten auf, die die Forschung erschweren. Das Lernmodell für die Darstellung komplexer heterogener Graphdaten in grossem Massstab hat eine breite Palette von Anwendungen in vielen Bereichen. Dieses Buch befasst sich mit diesen heterogenen Multisource-Graph-Grossdatendarstellungs-Lernmodellen sowie mit ihren Anwendungen im Bereich der öffentlichen Sicherheit.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.