文献

J-GLOBAL ID：201702232997278077   整理番号：17A1217467

計算機網のためのビッグデータと意味論管理システム【Powered by NICT】

Big data and semantics management system for computer networks

著者 (2件)： Mokhtar Bassem (Department of Electrical Engineering, Faculty of Engineering, Alexandria University, Egypt) ,  Eltoweissy Mohamed (Department of Computer and Information Sciences, Virginia Military Institute, USA)
資料名： Ad Hoc Networks  (Ad Hoc Networks)
巻： 57  ページ： 32-51  発行年： 2017年 
JST資料番号： W3325A  ISSN： 1570-8705  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： はビッグデータを発生させ,それらの作業におけるビッグデータ管理から利益を得ることができるものとして「ビッグネットワーク」定義大ネットワークの例としては,現在のインターネットとモノおよびソーシャルネットワークの新たなインターネットを含んでいる。増え続けるスケール,インターネットの複雑さと不均一性は,ネットワーク交通における緊急と異常な挙動を発見に困難を来たしている。はヒト記憶機能を模倣する「記憶」管理と他の意味的忘却型インターネットを与える学習し,概念化と交通データと挙動を貯蔵効果的かつ効率的にし,未来事象をより正確に予測するためのインターネット能力の進歩の助けとなるであろうという仮説を立てた。ヒト記憶の機能からヒントを得て,我々は効率的にインターネットデータを蓄積し,マッチングと予測プロセスにおける交通意味論を抽出し,利用する,NetMemと呼ばれる,分散ネットワーク記憶管理システムを提案した。特に,隠れMarkovモデル(HMM),潜在的ディリクレ配分(LDA),NetMemにおける意味推論のための簡単な統計的分析に基づく技術を調べた。さらに,構文および意味的依存性を用いた学習パターンと特徴に基づくネットワーク意味論を抽出するためにLDAとH MMを統合する意味論的推論のためのハイブリッド知能技術を提案した。も次元を低減するための局所性鋭敏型ハッシュを利用した。実際のネットワークトラヒックを用いたシミュレーション研究はNetMemの利点を実証し,前述の技術の利点と限界を明らかにした。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *管理システム ,  局所性 ,  不均一性 ,  マッチング ,  ネットワーク ,  シミュレーション ,  隠れMarkovモデル ,  ヒト ,  学習 ,  予測 ,  インターネット ,  *意味論 ,  記憶管理 ,  統計解析
準シソーラス用語： *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： ネットワーク管理 ,  ビッグデータ ,  バイオインスパイアード設計 ,  意味論推論 ,  パターン学習 ,  ハイブリッド知能

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 計算機網 ,  ビッグデータ ,  意味論 ,  管理システム