Онтологія аналізу Big Data

Автор(и)

  • Vasyl Lytvyn Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013, Україна https://orcid.org/0000-0002-9676-0180
  • Victoria Vysotska Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013, Україна https://orcid.org/0000-0001-6417-3689
  • Oleh Veres Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013, Україна https://orcid.org/0000-0001-9149-4752
  • Oksana Brodyak Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013, Україна https://orcid.org/0000-0002-9886-3589
  • Oksana Oryshchyn Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013, Україна https://orcid.org/0000-0002-8965-1891

DOI:

https://doi.org/10.15587/2312-8372.2018.123612

Ключові слова:

онтологія аналізу Big Data, дані візуалізації, інтелектуальний аналіз даних, Text Mining, MapReduce

Анотація

Досліджені процеси аналізу Big Data. Використовуючи розроблену формальну модель та проведений критичний аналіз методів і технологій аналізу Big Data, побудовано онтологію аналізу Big Data. Досліджено методи, моделі та інструменти для удосконалення онтології аналітики Big Data та ефективнішої підтримки розроблення структурних елементів моделі системи підтримки прийняття рішень з керування Big Data.

Біографії авторів

Vasyl Lytvyn, Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013

Доктор технічних наук, професор

Кафедра інформаційних систем та мереж

Victoria Vysotska, Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013

Кандидат технічних наук, доцент

Кафедра інформаційних систем та мереж

Oleh Veres, Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013

Кандидат технічних наук, доцент

Кафедра інформаційних систем та мереж

Oksana Brodyak, Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013

Кандидат фізико-математичних наук, доцент

Кафедра вищої математики

Oksana Oryshchyn, Національний університет «Львівська політехніка», вул. С. Бандери, 12, м. Львів, Україна, 79013

Кандидат фізико-математичних наук, доцент

Кафедра вищої математики

Посилання

  1. Mayer-Schonberger, V., Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think. John Murray Publishers, 256.
  2. Fekete, J. D. (2016). Big Data Visual Analytics. Available at: http://www.aviz.fr/wiki/uploads/TeachingVA2016/Lectur-BigDataVA.pdf. Last accessed: 18.09.2017.
  3. Raghupathi, W., Raghupathi, V. (2014). Big data analytics in healthcare: promise and potential. Health Information Science and Systems, 2 (1). doi:10.1186/2047-2501-2-3
  4. Hong, S. H., Ma, K. L., Koyamada, K. (2017). Big Data Visual Analytics. NII Shonan Meeting Report No. 2015-147. Tokyo. Available at: https://pdfs.semanticscholar.org/45ec/4934ee034a5839f4e657089ac865f0baa8ff.pdf. Last accessed: 18.09.2017.
  5. Cohen, J., Dolan, B., Dunlap, M., Hellerstein, J. M., Welton, C. (2009). MAD Skills: New Analysis Practices for Big Data. Proceedings of the VLDB Endowment, 2 (2), 1481–1492. doi:10.14778/1687553.1687576
  6. History and evolution of big data analytics. Available at: https://www.sas.com/en_us/insights/analytics/big-data-analytics.html. Last accessed: 18.09.2017.
  7. Mitchell R. L. 8 big trends in big data analytics. Available at: http://www.computerworld.com/article/2690856/big-data/8-big-trends-in-big-data-analytics.html. Last accessed: 18.09.2017.
  8. Big Data. Available at: http://tadviser.ru/a/125096. Last accessed: 18.09.2017.
  9. Inmon, W. H. (2014). Big Data – getting it right: A checklist to evaluate your environment. Forest Rim Technology LLC. Available at: http://dssresources.com/papers/features/inmon/inmon01162014.htm. Last accessed: 18.09.2017.
  10. Barsegyan, A. A., Kupriyanov, M. S., Kholod, I. I., Tess, M. D., Elizarov, S. I. (2009). Analysis of data and processes. Saint Petersburg: BHV-Petersburg, 512.
  11. Paklin, N. B., Oreshkov, V. I. (2009). Business analysis: from data to knowledge. Saint Petersburg: Piter, 624.
  12. Duke, V., Samoylenko, A. (2001). Data Mining: training course. Saint Petersburg: Piter, 368.
  13. Manyika, J. (2011). Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute, 156.
  14. Zhuravlev, J. I., Ryazanov, V. V., Senko, O. V. (2006). Recognition. Mathematical methods. Software system. Practical applications. Moscow: Phasis, 176.
  15. Zinovev, A. Y. (2000). Visualization of multidimensional data. Krasnoyarsk: Publisher Krasnoyarsk State Technical University, 180.
  16. Chubukova, I. A. (2006). Data Mining. Moscow: Internet University of Information Technologies, BINOM, 382.
  17. Sitnik, V. F., Krasnyuk, M. T. (2007). Data Mining. Kyiv: KNEU, 376.
  18. Witten, I. H., Frank, E., Hall, M. A. (2011). Data Mining: Practical Machine Learning Tools and Techniques. Burlington: Morgan Kaufmann, 664. doi:10.1016/c2009-0-19715-5
  19. Marr, B. (2015). Big Data: Using SMART Big Data, Analytics and Metrics to Make Better Decisions and Improve Performance. John Wiley & Sons Ltd, 256.
  20. Einav, L., Levin, J. (2014). The Data Revolution and Economic Analysis. Available at: http://www.nber.org/chapters/c12942.pdf. Last accessed: 18.09.2017.
  21. Vanyashin, A., Klimentov, A., Korenkov, V. (2013). PANDA follows the large data. Supercomputers, 3 (11), 56–61.
  22. Serov D. Analytics of «big data» – new perspectives. Available at: http://www.storagenews.ru/49/EMC_BigData_49.pdf. Last accessed: 18.09.2017.
  23. Ronen, S., Goncalves, B., Hu, K. Z., Vespignani, A., Pinker, S., Hidalgo, C. A. (2014). Links that speak: The global language network and its association with global fame. Proceedings of the National Academy of Sciences, 111 (52), 5616–5622. doi:10.1073/pnas.1410931111
  24. Aflalo, Y., Kimmel, R. (2013). Spectral multidimensional scaling. Proceedings of the National Academy of Sciences, 110 (45), 18052–18057. doi:10.1073/pnas.1308708110
  25. Gadepally, V., Kepner, J. (2014). Big data dimensional analysis. 2014 IEEE High Performance Extreme Computing Conference (HPEC). doi:10.1109/hpec.2014.7040944
  26. Weinstein, M., Meirer, F., Hume, A., Sciau, Ph., Shaked, G., Hofstetter, R. et al. Analyzing Big Data with Dynamic Quantum Clustering. Available at: https://arxiv.org/ftp/arxiv/papers/1310/1310.2700.pdf. Last accessed: 18.09.2017.
  27. Paklin, N. B., Oreshkov, V. I. (2013). Business Intelligence: from data to knowledge. Saint Petersburg: Piter, 702.
  28. Zelazny, D. (2004). Speak in the language of diagrams: manual on visual communications for managers. Moscow: Institute for Comprehensive Strategic Studies, 220.
  29. Roem, D. (2014). The practice of visual thinking. An original method for solving complex problems. Moscow: Mann, Ivanov and Ferber, 396.
  30. Russom, P. (2011). Big data analytics. Available at: https://vivomente.com/wp-content/uploads/2016/04/big-data-analytics-white-paper.pdf. Last accessed: 18.09.2017.
  31. Yau, N. (2013). The art of visualization in business. How to present complex information with simple images. Moscow: Mann, Ivanov and Ferber, 352.
  32. Iliinsky, N., Steele, J. (2011). Designing Data Visualizations. Sebastopol: O’Reilly, 110.
  33. Krum, R. (2014). Cool infographics: effective communication with data visualization and design. Indianapolis: Wiley, 348.
  34. Tukey, J. (1981). Analysis of Observation Results: Exploratory Analysis. Moscow: Мir, 693.
  35. Alper, C., Brown, K., Wagner, G. R. (2006). New Software for Visualizing the Past, Present and Future. Available at: http://dssresources.com/papers/features/alperbrown&wagner/alperbrown&wagner09212006.html. Last accessed: 18.09.2017.
  36. Barsegyan, A. A., Kupriyanov, M. S., Kholod, I. I., Tess, M. D., Elizarov, S. I. (2009). Analysis of data and processes. Saint Petersburg: BHV-Petersburg, 512.
  37. Text Mining. Available at: http://statsoft.ru/home/textbook/modules/sttextmin.html#index. Last accessed: 18.09.2017.
  38. Lande, D., Berezin, B., Pavlenko, O. (2017). Postroenie modeli informatsionnogo servisa na baze natsional'nogo segmenta Internet. Informatsionnye tehnologii i bezopasnost'. Materialy XVI Mezhdunarodnoi nauchno-prakticheskoi konferentsii ITB-2016. Kyiv: IPRI NAN Ukrainy, 48–57. URL: http://dwl.kiev.ua/art/itb2016/i4/i4.pdf. Last accessed: 18.09.2017.
  39. Barsegyan, A. A., Kupriyanov, M. S., Stepanenko, V. V., Kholod, I. I. (2007). Data Analysis Technologies. Data Mining, Visual Mining, Text Mining, OLAP. Saint Petersburg: BHV-Petersburg, 384.
  40. Linyuchev, P. (2007). Text Mining: modern technologies on information mines. PC Week/RE, 6 (564). Available at: https://www.pcweek.ru/idea/article/detail.php?ID=82081. Last accessed: 18.09.2017.
  41. Pleskach, V. L., Zatonatskaya, T. G. (2011). Information systems and technologies at enterprises. Kyiv: Znannya, 718.
  42. Stonebraker, M., Abadi, D., DeWitt, D. J., Madden, S., Paulson, E., Pavlo, A., Rasin, A. (2010). MapReduce and Parallel DBMSs: Friends or Foes? Communications of the ACM, 53 (1), 64. doi:10.1145/1629175.1629197
  43. Berezin, A. (2013). Map-Reduce on the example of MongoDB. Available at: https://habrahabr.ru/post/184130/. Last accessed: 18.09.2017.
  44. Lebedenko, E. (2013). Google MapReduce technology: divide and conquer. Kompiuterra. Available at: http://www.computerra.ru/82659/mapreduce/. Last accessed: 18.09.2017.
  45. Pavlo, A., Paulson, E., Rasin, A., Abadi, D. J., DeWitt, D. J., Madden, S., Stonebraker, M. (2009). A comparison of approaches to large-scale data analysis. Proceedings of the 35th SIGMOD International Conference on Management of Data – SIGMOD ’09. doi:10.1145/1559845.1559865
  46. Big Data from A to Ya. Part 1: Principles of working with large data, the MapReduce paradigm. (2015). Available at: https://habrahabr.ru/company/dca/blog/267361/. Last accessed: 18.09.2017.
  47. Big Data from A to Ya. Part 3: Methods and strategies for developing MapReduce applications. (2015). Available at: https://habrahabr.ru/company/dca/blog/270453/. Last accessed: 18.09.2017.
  48. Gavrilova, T. A., Khoroshevsky, V. F. (2000). Intelligent Systems Knowledge Base. Saint Petersburg: Piter, 384.
  49. Lytvyn, V., Vysotska, V., Veres, O., Rishnyak, I., Rishnyak, H. (2017). Classification Methods of Text Documents Using Ontology Based Approach. Advances in Intelligent Systems and Computing. Springer, 229–240. doi:10.1007/978-3-319-45991-2_15
  50. Bisikalo, O. V., Vysotska, V. A. (2016). Identifying keywords on the basis of content monitoring method in Ukrainian texts. Radio Electronics, Computer Science, Control, 1 (36), 74–83. doi:10.15588/1607-3274-2016-1-9
  51. Bisikalo, O. V., Vysotska, V. A. (2016). Sentence syntactic analysis application to keywords identification Ukrainian texts. Radio Electronics, Computer Science, Control, 3 (38), 54–65. doi:10.15588/1607-3274-2016-3-7
  52. Lytvyn, V., Bobyk, I., Vysotska, V. (2016). Application of algorithmic algebra system for grammatical analysis of symbolic computation expressions of propositional logic. Radio Electronics, Computer Science, Control, 4 (39), 54–67. doi:10.15588/1607-3274-2016-4-10
  53. Alieksieieva, K., Berko, A., Vysotska, V. (2015). Technology of commercial web-resource management based on fuzzy logic. Radio Electronics, Computer Science, Control, 3 (34), 71–79. doi:10.15588/1607-3274-2015-3-9
  54. Korobchynskyi, M., Chyrun, L., Vysotska, V., Nych, M. (2017). Matches prognostication features and perspectives in cybersport. Radio Electronics, Computer Science, Control, 3 (42), 95–105. doi:10.15588/1607-3274-2017-3-11
  55. Wolfram, S. (2013). Data Science of the Facebook World. Available at: http://blog.wolfram.com/2013/04/24/data-science-of-the-facebook-world/. Last accessed: 18.09.2017.

##submission.downloads##

Опубліковано

2017-12-28

Як цитувати

Lytvyn, V., Vysotska, V., Veres, O., Brodyak, O., & Oryshchyn, O. (2017). Онтологія аналізу Big Data. Technology Audit and Production Reserves, 1(2(39), 16–27. https://doi.org/10.15587/2312-8372.2018.123612

Номер

Том 1 № 2(39) (2018): Інформаційно-керуючі системи

Розділ

Інформаційні технології: Оригінальне дослідження

Ліцензія

Авторське право (c) 2018 Victoria Vysotska

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.