論文の概要: A Survey and Taxonomy of Distributed Data Mining Research Studies: A
Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2009.10618v1
- Date: Mon, 14 Sep 2020 14:58:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 13:10:08.833112
- Title: A Survey and Taxonomy of Distributed Data Mining Research Studies: A
Systematic Literature Review
- Title（参考訳）: 分散データマイニング研究における調査と分類 : 体系的文献レビュー
- Authors: Fauzi Adi Rafrastara, Qi Deyu
- Abstract要約: データマイニング(DM)手法は年々進化しており、現在では従来のものよりも数倍高速に動作可能なDM技術の強化も行われている。
実際にデータ処理の新しい分野ではないが、近年、多くの研究者がこの分野に注意を払っている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Context: Data Mining (DM) method has been evolving year by year and as of
today there is also the enhancement of DM technique that can be run several
times faster than the traditional one, called Distributed Data Mining (DDM). It
is not a new field in data processing actually, but in the recent years many
researchers have been paying more attention on this area. Problems: The number
of publication regarding DDM in high reputation journals and conferences has
increased significantly. It makes difficult for researchers to gain a
comprehensive view of DDM that require further research. Solution: We conducted
a systematic literature review to map the previous research in DDM field. Our
objective is to provide the motivation for new research by identifying the gap
in DDM field as well as the hot area itself. Result: Our analysis came up with
some conclusions by answering 7 research questions proposed in this literature
review. In addition, the taxonomy of DDM research area is presented in this
paper. Finally, this systematic literature review provides the statistic of
development of DDM since 2000 to 2015, in which this will help the future
researchers to have a comprehensive overview of current situation of DDM.
- Abstract（参考訳）: コンテキスト: データマイニング(DM)メソッドは年々進化しており、現在では分散データマイニング(DDM)と呼ばれる従来の手法よりも数倍高速に実行できるDM技術の強化も行われている。
データ処理における新しい分野ではないが、近年、多くの研究者がこの領域に注意を払っている。
問題:高評価誌・会議におけるDDMに関する出版件数は著しく増加している。
研究者がさらなる研究を必要とするDDMを包括的に把握することは困難である。
解決策: これまでのDDM分野の研究を地図化するために, 系統的な文献レビューを行った。
本研究の目的は,DDMフィールドとホットエリア自体のギャップを識別し,新たな研究のモチベーションを提供することである。
結果:本文献レビューで提案した7つの研究課題に回答し,いくつかの結論を得た。
また,本論文では,DDM研究領域の分類について述べる。
最後に、この体系的文献レビューは、2000年から2015年までのddmの発展の統計を提供しており、将来の研究者がddmの現状を包括的に概観するのに役立つだろう。
関連論文リスト
- A Survey of Decomposition-Based Evolutionary Multi-Objective Optimization: Part II -- A Data Science Perspective [4.322038460697958]
5,400以上の論文,10,000人の著者,400の会場,1600のMOEA/D研究機関をカプセル化したナレッジグラフを構築します。
また、MOEA/Dの協調と引用ネットワークを探求し、文学の成長に隠れたパターンを明らかにする。
論文 参考訳（メタデータ） (2024-04-22T14:38:58Z) - A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。
この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる
本調査では,I-CMRの3段階分類法について概説する。
論文 参考訳（メタデータ） (2023-09-05T05:06:48Z) - Dataset Distillation: A Comprehensive Review [76.26276286545284]
データセット蒸留(DD)は、トレーニングされたモデルが元のデータセットでトレーニングされたデータセットに匹敵するパフォーマンスを得るために、合成サンプルを含むはるかに小さなデータセットを導出することを目的としている。
本稿ではDDの最近の進歩とその応用について概説する。
論文 参考訳（メタデータ） (2023-01-17T17:03:28Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - D3: A Massive Dataset of Scholarly Metadata for Analyzing the State of
Computer Science Research [27.882505456528243]
DBLPは、コンピュータ科学に関する科学論文の公開リポジトリとしては最大である。
我々はDBLPから600万以上の論文を検索し、メタデータを抽出した。
D3は、コンピュータ科学研究のアクティビティ、生産性、焦点、バイアス、アクセシビリティ、および影響の傾向を特定するために使用することができる。
論文 参考訳（メタデータ） (2022-04-28T09:59:52Z) - Domain Generalization: A Survey [146.68420112164577]
ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。
初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
論文 参考訳（メタデータ） (2021-03-03T16:12:22Z) - Data Mining with Big Data in Intrusion Detection Systems: A Systematic
Literature Review [68.15472610671748]
クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。
データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。
ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
論文 参考訳（メタデータ） (2020-05-23T20:57:12Z) - Multi-source Domain Adaptation in the Deep Learning Era: A Systematic
Survey [53.656086832255944]
マルチソースドメイン適応(MDA)は、ラベル付きデータを複数のソースから収集できる強力な拡張である。
MDAは学術と産業の両方で注目を集めている。
論文 参考訳（メタデータ） (2020-02-26T08:07:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。