Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen:
http://dx.doi.org/10.18419/opus-10495
Langanzeige der Metadaten
DC Element | Wert | Sprache |
---|---|---|
dc.contributor.author | Link, Marco | - |
dc.date.accessioned | 2019-08-07T14:17:48Z | - |
dc.date.available | 2019-08-07T14:17:48Z | - |
dc.date.issued | 2019 | de |
dc.identifier.other | 1671181255 | - |
dc.identifier.uri | http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-ds-105127 | de |
dc.identifier.uri | http://elib.uni-stuttgart.de/handle/11682/10512 | - |
dc.identifier.uri | http://dx.doi.org/10.18419/opus-10495 | - |
dc.description.abstract | In dieser Ausarbeitung werden ein Konzept sowie eine prototypische Implementierung für die automatische Relevanzbestimmung von semantischen Ressourcen zu den Eingabedaten von Datenanalysen vorgestellt. Dabei werden die einzelnen Pipelineschritte einer Datenanalysepipeline gesondert betrachtet. Zum Einsatz kommen Methoden und Metriken aus dem Information Retrieval. Durch die Anwendung des Prototyps auf beispielhafte Datenanalysepipelines und semantische Ressourcen wird der praktikable Nutzen der vorgeschlagenen Methode evaluiert. Hierzu werden die Relevanzen zu den Beispieldaten und Pipelineschritten bestimmt und durch die Integration der semantischen Ressourcen die Veränderung der Datenanalyseergebnisse beobachtet und diskutiert. | de |
dc.language.iso | de | de |
dc.rights | info:eu-repo/semantics/openAccess | de |
dc.subject.ddc | 004 | de |
dc.title | Automatische Ressourcenselektion in Datenanalysepipelines | de |
dc.title.alternative | Automatic resource selection in data analysis pipelines | en |
dc.type | masterThesis | de |
ubs.fakultaet | Informatik, Elektrotechnik und Informationstechnik | de |
ubs.institut | Institut für Parallele und Verteilte Systeme | de |
ubs.publikation.seiten | 61 | de |
ubs.publikation.typ | Abschlussarbeit (Master) | de |
Enthalten in den Sammlungen: | 05 Fakultät Informatik, Elektrotechnik und Informationstechnik |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
Masterarbeit_Marco_Link_SS2019.pdf | 2,26 MB | Adobe PDF | Öffnen/Anzeigen |
Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.