Big data has become an important is

Big data has become an important issue for a large number of research areas such as data mining, machine learning, computational intelligence, information fusion, the semantic Web, and social networks. The rise of different big data frameworks such as Apache Hadoop and, more recently, Spark, for massive data processing based on the MapReduce paradigm has allowed for the efficient utilisation of data mining methods and machine learning algorithms in different domains. A number of libraries such as Mahout and SparkMLib have been designed to develop new efficient applications based on machine learning algorithms. The combination of big data technologies and traditional machine learning algorithms has generated new and interesting challenges in other areas as social media and social networks. These new challenges are focused mainly on problems such as data processing, data storage, data representation, and how data can be used for pattern mining, analysing user behaviours, and visualizing and tracking data, among others. In this paper, we present a revision of the new methodologies that is designed to allow for efficient data mining and information fusion from social media and of the new applications and frameworks that are currently appearing under the “umbrella” of the social networks, social media and big data paradigms.

ผลลัพธ์ (ไทย) 1:

ข้อมูลขนาดใหญ่ได้กลายเป็น ประเด็นสำคัญในการวิจัยการทำเหมืองข้อมูล เรียนรู้ของเครื่อง ปัญญาคำนวณ ฟิวชั่นข้อมูล เว็บเชิงความหมาย และเครือข่ายทางสังคมเป็นจำนวนมาก เพิ่มขึ้นของกรอบข้อมูลขนาดใหญ่ที่แตกต่างกันอย่างไร Hadoop Apache และ เมื่อเร็ว ๆ นี้ จุดประกาย สำหรับการประมวลผลข้อมูลขนาดใหญ่ที่ตามกระบวนทัศน์ MapReduce ได้รับอนุญาตสำหรับการจัดสรรที่มีประสิทธิภาพของวิธีการทำเหมืองข้อมูลและเครื่องเรียนรู้อัลกอริทึมในโดเมนที่แตกต่างกัน จำนวนไลบรารีเช่นควาญและ SparkMLib ได้รับการพัฒนาประสิทธิภาพการใช้งานใหม่ตามอัลกอริทึมการเรียนรู้ของเครื่อง เทคโนโลยีข้อมูลขนาดใหญ่และเครื่องแบบที่อัลกอริทึมการเรียนรู้ได้สร้างความท้าทายใหม่ที่ น่าสนใจในพื้นที่อื่น ๆ เป็นสื่อสังคมและเครือข่ายทางสังคม ความท้าทายใหม่เหล่านี้มีความสำคัญในปัญหาการประมวลผลข้อมูล เก็บข้อมูล การแสดงข้อมูล และวิธีการใช้ข้อมูลรูปแบบการทำเหมืองแร่ วิเคราะห์พฤติกรรมของผู้ใช้ แสดงผล และการติดตาม ข้อมูล หมู่คนอื่น ๆ ส่วนใหญ่ ในเอกสารนี้ เรานำเสนอการแก้ไขของวิธีการใหม่ที่ถูกออกแบบมาเพื่อให้ข้อมูลที่มีประสิทธิภาพการทำเหมืองและข้อมูลฟิวชั่น จากสังคม และโปรแกรมใหม่และกรอบที่ปรากฏอยู่ใต้ "ร่ม" ของเครือข่ายทางสังคม สังคม และ paradigms ข้อมูลขนาดใหญ่

ผลลัพธ์ (ไทย) 2:

ข้อมูลขนาดใหญ่ได้กลายเป็นเรื่องที่สำคัญสำหรับจำนวนมากของการวิจัยเช่นการทำเหมืองข้อมูลการเรียนรู้เครื่องปัญญาคำนวณฟิวชั่นข้อมูลเว็บความหมายและเครือข่ายสังคม การเพิ่มขึ้นของกรอบข้อมูลขนาดใหญ่แตกต่างกันเช่น Apache Hadoop และเมื่อเร็ว ๆ นี้จุดประกายสำหรับการประมวลผลข้อมูลขนาดใหญ่ขึ้นอยู่กับกระบวนทัศน์ MapReduce ได้รับอนุญาตให้ใช้งานที่มีประสิทธิภาพของวิธีการทำเหมืองข้อมูลและขั้นตอนวิธีการเรียนรู้เครื่องในโดเมนที่แตกต่างกัน จำนวนของห้องสมุดเช่นควาญช้างและ SparkMLib ได้รับการออกแบบในการพัฒนาโปรแกรมใหม่ที่มีประสิทธิภาพตามขั้นตอนวิธีการเรียนรู้เครื่อง การรวมกันของเทคโนโลยีข้อมูลขนาดใหญ่และเครื่องดั้งเดิมขั้นตอนวิธีการเรียนรู้ที่ได้สร้างความท้าทายใหม่และน่าสนใจในพื้นที่อื่น ๆ เช่นสื่อสังคมและเครือข่ายทางสังคม ความท้าทายใหม่เหล่านี้จะมุ่งเน้นในปัญหาเช่นการประมวลผลข้อมูลการจัดเก็บข้อมูลการแสดงข้อมูลและวิธีการที่ข้อมูลที่สามารถใช้สำหรับการทำเหมืองรูปแบบการวิเคราะห์พฤติกรรมของผู้ใช้และข้อมูลการแสดงผลและการติดตามกลุ่มอื่น ๆ ในบทความนี้เราจะนำเสนอการแก้ไขวิธีการใหม่ที่ถูกออกแบบมาเพื่อให้การทำเหมืองข้อมูลที่มีประสิทธิภาพและฟิวชั่นข้อมูลจากสื่อสังคมและการใช้งานใหม่และกรอบที่กำลังปรากฏภายใต้ "ร่ม" ของเครือข่ายทางสังคมสื่อสังคม และกระบวนทัศน์ข้อมูลขนาดใหญ่

ผลลัพธ์ (ไทย) 3:

ใหญ่ข้อมูลได้กลายเป็นปัญหาสำคัญสำหรับจำนวนขนาดใหญ่ของพื้นที่วิจัย เช่น การทำเหมืองข้อมูล การเรียนรู้ของเครื่องคอมพิวเตอร์ , ปัญญา , ข้อมูลฟิวชั่น , เว็บความหมาย และเครือข่ายทางสังคม การเพิ่มขึ้นของข้อมูลที่แตกต่างกันใหญ่กรอบเช่น Apache Hadoop และมากขึ้นเมื่อเร็ว ๆนี้ , ประกายเนื่องจากการประมวลผลข้อมูลตาม mapreduce กระบวนทัศน์ได้รับอนุญาตสำหรับการใช้ที่มีประสิทธิภาพของข้อมูลเหมืองแร่และวิธีอัลกอริทึมการเรียนรู้ของเครื่องจักรในโดเมนที่แตกต่างกัน หมายเลขของห้องสมุด เช่น ควาญช้าง และ sparkmlib ได้รับการออกแบบใหม่เพื่อพัฒนาประสิทธิภาพโปรแกรมประยุกต์บนพื้นฐานของอัลกอริทึมการเรียนรู้ของเครื่องจักร .การรวมกันของเทคโนโลยีข้อมูลใหญ่และแบบอัลกอริทึมการเรียนรู้ของเครื่องจักรได้สร้างความท้าทายใหม่และน่าสนใจในพื้นที่อื่น ๆสื่อทางสังคมและเครือข่ายทางสังคม ความท้าทายใหม่เหล่านี้จะมุ่งเน้นเรื่องของปัญหา เช่น การประมวลผลข้อมูล การเก็บข้อมูล การนำเสนอข้อมูล และวิธีการที่ข้อมูลสามารถใช้รูปแบบเหมืองแร่ วิเคราะห์พฤติกรรมของผู้ใช้และการสร้างภาพ และการติดตามข้อมูลหมู่คนอื่น ๆ ในกระดาษนี้เราได้เสนอแก้ไข แนวทางใหม่ที่ถูกออกแบบมาเพื่อให้ประสิทธิภาพการทำเหมืองข้อมูลและข้อมูลฟิวชั่นจากสื่อทางสังคมและของโปรแกรมใหม่และกรอบที่กำลังปรากฏภายใต้ " ร่ม " ของเครือข่ายทางสังคมสื่อสังคมและกระบวนทัศน์ข้อมูลใหญ่