ترغب بنشر مسار تعليمي؟ اضغط هنا

دراسة و تحليل طرق ترقيم مستندات XML

Study And Analysis Of Labeling Schemes For XML Document

768   1   111   0 ( 0 )
 تاريخ النشر 2014
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

سنقوم من خلال هذا البحث بالتعرف على طرق الترقيم، و تقسيمها إلى أربع فئات أساسية و هي Prefix- Based Labeling ،Range Based Labeling Scheme Vector Based ،Multiplication Based Labeling Schemes،Schemes Labeling Schemes. و ضمن هذه الفئات سنتطرق لأهم طرق الترقيم المعروفة، و نوضح محاسن و مساوئ كل طريقة. و سنبحث عن العلاقات التي يمكن أن تحددها كل منها، و من خلال هذه العلاقات سنتمكن من تحديد جدوى هذه الطرق من ناحية التخزين و سرعة الاستعلام و تعديل المستند. كما أننا سنجري دراسة تجريبية على عدة مستندات XML بأحجام مختلفة، و نقارن بين ترقيمها باستخدام ثلاث طرق و هي V-Containment ،ORDPath،Traversal Order, و ذلك من ناحية زمن الترقيم و مساحة التخزين التي يتطلبها الترقيم.

المراجع المستخدمة
Fomichev A., Grinev, M., and Kuznetsov, "Sedna: A native XML DBMS",2006
Sh. Pal, I. Cseri, O. Seeliger, M. Rys , G. Schaller , Wei Yu , D. Tomic , Adrian Baras , Brandon B., Denis Ch. , Eugene K. , “XQuery implementation in a relational database system”, 2005
Alin Deutsch, Mary F. Fern´andez, and Dan Suciu. "Storing Semistructured Data with STORED, 1999
قيم البحث

اقرأ أيضاً

في هذا البحث سنقوم باقتراح طريقة ترقيم جديدة Grouped OrdPath تعتمد على طريقةOrdPath المعروفة لتحسين أدائها و أهم اهداف البحث هو الحصول على بنية تخزين ذات حجم صغير. سنقوم بتجميع عقد المستند على شكل أشجار فرعية (العقدة الأب و الأبناء) ماعدا العقدة الجذر. ثم نقوم بترقيم هذه الأشجار و ترقيم عقد كل شجرة أيضاً ترقيماً داخلياً لتمييز تسلسل عقد الشجرة الواحدة.
يركز هذا البحث على دراسة علاقة التعميم و التخصيص الضبابية و الإحاطة بكل إضافة القيود المرافقة لها في نموذج الكيانات و الارتباطات الموسع EER الضبابي. لذلك نقدم طريقة لتحويل علاقة التعميم و التخصيص الضبابية و القيود المرافقة لها إلى لغة توصيف البي انات XML Schema. و أخيرا، نقترح مجموعة من التوسيعات ل XML Schema. بحيث تدعم تمثيل علاقة التعميم و التخصيص و القيود المرافقة لها بمستوى عال من التجريد.
تفتقر الأبحاث الحديثة باستخدام نماذج اللغة المدربة مسبقا لمهمة تلخيص المستندات متعددة الوثائق إلى تحقيق عميق في الحالات الخاطئة المحتملة وتطبيقها المحتمل على اللغات الأخرى.في هذا العمل، نطبق نموذج لغة مدرب مسبقا (BART) لمهمة تلخيص متعدد الوثائق (MDS) باستخدام كل من الضبط الدقيق ودون ضبط جيد.نحن نستخدم مجموعات بيانات اللغة الإنجليزية ومجموعة بيانات ألمانية واحدة لهذه الدراسة.أولا، نقوم بإعادة إنتاج ملخصات متعددة الوثائق باللغة الإنجليزية باتباع إحدى الدراسات الحديثة.بعد ذلك، نعرض لقابلية تطبيق النموذج إلى اللغة الألمانية من خلال تحقيق أداء حديثة على MDS الألمانية.نقوم بإجراء تحليل خطأ متعمق للنهج التالي لكلتا اللغتين، مما يؤدي إلى تحديد معظم الأخطاء البارزة، من الحقائق الصادقة وتعليم الموضوع، وقياس مقدار الاستقصاء.
إن الهدف الرئيس من هذه الدراسة هو تسليط الضوء و تحليل الأذيات الصدرية المختلفة أثناء النزاعات العسكرية. تمت دراسة و تحليل الملفات السريرية لـ (542) إصابة بأذيات صدرية أثناء فترة البحث. 91.9% من المرضى كانوا ذكوراً، تراوحت أعمار المصابين بين (3 – 75 ) عاماً، 88.1% منهم كانوا في الأعمار بين (20 – 40) عاماً. 71 إصابة إسعافية شديدة (13%) أدخلت مباشرة إلى غرفة العمليات، أما العدد الباقي من المرضى فقد أجريت لهم استقصاءات تشخيصية مختلفة، لعب التصوير الطبقي المحوري دوراً هاماً في تشخيص الأذيات الصدرية و قد أجري في 62.2% من الإصابات. 92.8% من المرضى تعرضوا لأذيات صدر نافذة بسبب الطلق الناري مع أو بدون الشظايا و الصواريخ. من بين الأذيات الحاصلة كان تكدم الرئة هو الغالب بنسبة 31.9% تلاه تدمي و استرواح الجنب بنسبة 29.15%، تمزق الرئة 14.39% 77 حالة (13.2%) من الجرحى أصيبوا بكسور أضلاع، 3 منهم (3.89%) شخص لديهم صدر سائب. تمزقات الحجاب حدثت لدى 6.45% من الجرحى ، الأذيات المشتركة شخصت لدى 61.07% من الحالات ، أغلبها 46.2% كانت أذيات في البطن ، 39.27% كانت أذيات رأس و عنق.
تستخدم مصطلح خطط الترجغ على نطاق واسع في معالجة اللغة الطبيعية واسترجاع المعلومات. على وجه الخصوص، فإن وزن المصطلح هو الأساس لاستخراج الكلمات الرئيسية. ومع ذلك، هناك عدد قليل نسبيا دراسات التقييم التي ألقت الضوء على نقاط القوة وأوجه القصور في كل مخطط للتوازن. في الواقع، في معظم الحالات، يلجأ الباحثون والممارسون في معظم الحالات إلى TF-IDF المعروفة بشكل افتراضي، على الرغم من وجود بدائل أخرى مناسبة، بما في ذلك النماذج القائمة على الرسم البياني. في هذه الورقة، نقوم بإجراء مقارنة تجريبية وشاملة واسعة النطاق من كل من أساليب الترجيح الإحصائية والرصاص القائمة على الرسم البياني في سياق استخراج الكلمات الرئيسية. يكشف تحليلنا عن بعض النتائج المثيرة للاهتمام مثل مزايا الخصوصية المعروفة الأقل شهرة فيما يتعلق ب TF-IDF، أو الاختلافات النوعية بين الأساليب الإحصائية والرصاص القائمة على الرسم البياني. وأخيرا، بناء على نتائجنا نناقشها واستنباد بعض الاقتراحات للممارسين. تعد شفرة المصدر لإعادة إنتاج نتائجنا التجريبية، بما في ذلك مكتبة استخراج الكلمات الرئيسية، متوفرة في المستودع التالي: https://github.com/asahi417/kex
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا