Application du Machine Learning dans l’optimisation des données massives issus du Web au sein de RDF_QDAG

Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/22500

Affichage complet

Élément Dublin Core	Valeur	Langue
dc.contributor.author	BERRAHMA, DJAZIA	-
dc.date.accessioned	2024-05-20T10:44:03Z	-
dc.date.available	2024-05-20T10:44:03Z	-
dc.date.issued	2023-09-26	-
dc.identifier.uri	http://dspace1.univ-tlemcen.dz/handle/112/22500	-
dc.description.sponsorship	Pour améliorer les performances d’exploration des graphes de connaissances, une approche récente a été proposé par l’équipe LIAS intitulé RDF_QDAG. Afin de réduire le coût de cette évaluation, l’équipe a développé un optimiseur Gofast [ZMG+21] qui est basé sur les statistiques. RDF_QDAG a pu surpasser les autres approches en termes de coût et de scalabilité, ce qui l’a rendu plus intéressante. Notre travail est d’essayer d’améliorer l’optimiseur RDF_QDAG en utilisant la technique du Machine Learning et définir un modèle plus efficace pour déterminer le meilleur plan d’exécution d’une requête adapté à nos données.	en_US
dc.publisher	University of tlemcen	en_US
dc.relation.ispartofseries	37 Master Info;	-
dc.subject	Graphe de connaissance, Optimisation, RDF_QDAG, Machine Learning	en_US
dc.title	Application du Machine Learning dans l’optimisation des données massives issus du Web au sein de RDF_QDAG	en_US
dc.type	Thesis	en_US
Collection(s) :	Master MID

Fichier(s) constituant ce document :

Fichier	Description	Taille	Format
Application_du_Machine_Learning_dans_l optimisation_des_donnees_massives_issus_du_Web_au_sein_de_RDF_QDAG.pdf		2,44 MB	Adobe PDF	Voir/Ouvrir