文献

J-GLOBAL ID：201702230601458881   整理番号：17A0239188

製造およびサプライチェーンにおけるデータ混合【Powered by NICT】

Data blending in manufacturing and supply chains

著者 (3件)： Ong B. Y. (Singapore Institute of Manufacturing Technology (SIMTech), Agency for Science, Technology and Research (A*STAR), Singapore, Singapore) ,  Wen Rong (Singapore Institute of Manufacturing Technology (SIMTech), Agency for Science, Technology and Research (A*STAR), Singapore, Singapore) ,  Zhang Allan N. (Singapore Institute of Manufacturing Technology (SIMTech), Agency for Science, Technology and Research (A*STAR), Singapore, Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Big Data  ページ： 3773-3778  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ビッグデータ革命はビッグデータ分析の使用を含む多くの組織のビジネスモデルを変化させた。巨大な量のデータを毎日発生させされるビッグデータは,今日の世界における競争と成長の重要な基礎となると信じられている。ビッグデータの主要な挑戦の一つは,主に約データの蓄積ではなく,データの異なる品種や発生源を混合と値に転換するか。サプライチェーンの性質は複雑で動的なとして,データは種々の形態で貯蔵されたまたは独立に管理されている。サプライチェーンにおける異なるノードからのデータは,お互いに情報交換し,ほとんどデータはそれら自身の命名規約を有していた。データ混合の課題のいくつかは一緒になってデータを併合するユニークな識別子の欠如とデータを混合するために基準を理解するために,訓練データまたはドメイン知識の欠如である。本論文では,自動フィルタリングとソーティング類似性計量,用語頻度逆文書頻度(TF IDF)Ratcliff/Obershelpを提案した。法は異なる命名規約と同じ実体の問題を扱い,単語フィルタリングを可能にすることができた。実験結果は,提案したTF-IDF Ratcliff/Obershelpデータ混合の性能を向上させることができることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ドメイン知識 ,  単語 ,  情報交換 ,  *フィルタリング ,  ソーティング ,  品種 ,  類似性
準シソーラス用語： 訓練データ ,  識別子 ,  発生源 ,  ビジネスモデル ,  ビッグデータ ,  *サプライチェーン , 【Automatic Indexing@JST】

分類 (1件)： 物的流通  (KA08000O)

タイトルに関連する用語 (1件)： サプライチェーン