Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  graph databases
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Linguistic summaries of graph databases in customer relationship management (CRM)
EN
The paper concentrates on data models that differ from the traditional relational one by Codd (1970). In particular, we are interested in processing graph databases (graph datasets) without any pre-configured structure, in which graph nodes may represent different objects and graph edges - relations between them. In this approach, the linguistic summarization methods for graph datasets are introduced, and diferences for these methods with respect to traditional relational approach are shown, commented and improved in comparison to the preceding proposition (Strobin, Niewiadomski, 2016). The novelty of the paper is mostly the new form for summaries: Multi-Subject linguistic summaries of graph databases, previously introduced for relational databases (Superson, 2018).
PL
Celem publikacji jest zaproponowanie i zaprezentowanie metodyki w pełni zautomatyzowanego tworzenia grafowego modelu topologicznego wybranych struktur katastralnych. Utworzono aplikację umożliwiającą zapis grafowych struktur katastralnych w bazie danych NoSQL. Poprzez zaproponowaną metodykę zaimplementowaną w prezentowanej aplikacji, przetworzono dane katastralne do nowych form, w których topologia ma istotne znaczenie. Jest zapisana w bazie grafowej, a jak wiadomo grafy są wizualizacją topologii. Automatyczne generowanie grafowego modelu struktur katastralnych opiera się na relacjach topologicznych danych geometrycznych. W narzędziach GIS (Esri) topologia jest tworzona i wykorzystywana w procesach analitycznych, ale nie jest ujawniona użytkownikom. W proponowanej aplikacji dostęp do topologii danych katastralnych stwarza nowe możliwości prezentacji, na przykład sąsiedztwa. W aplikacji zaimplementowano algorytmy importu danych, procesu konstrukcji topologii i zapisu w grafowej bazie danych. Dodatkowo zastosowano formę eksportu przechowywanych danych do formatu odczytywanego przez większość aplikacji GIS (pliki typu Shapefile). Prezentowane wyniki zapisu w postaci grafowej, umożliwiają dostrzeżenie sąsiedztwa działek pod różnym kątem. Grafowy modelu struktur katastralnych pozwala na ujawnianie dobrych i złych praktyk katastralnych oraz może być wykorzystany w procesie scalania gruntów.
EN
The aim of this paper is to propose and present an automatic topographic modelling methodology for selected cadastral structures. An application has been created that enables to store graph cadastral data in a NoSQL database. The proposed structure created by the application allows cadastral data conversion into a graph, maintaining the neighbourhood topology. In other GIS tools (Esri) the topology is created and used in analytical processes, but it is not disclosed to users. The access to the topology of cadastral data creates new presentation possibilities, such as the neighbourhood. The discussed application uses algorithms for data importing, topology construction and recording in the graph database. Additionally, the algorithm which enables to export stored data to the format readable for most GIS applications (Shapefile files) was developed. The presented results of the graph recordings enable to see the neighbourhood of parcels from different perspectives. The graph model of cadastral structures allows to identify good and bad cadastral practices and can be used in land consolidation processes.
EN
Manual data transformations that result in high error rates are a big problem in complex integration and data warehouse projects, resulting in poor quality of data and delays in deployment to production. Automation of data trans-formations can be easily verified by humans; the ability to learn from past decisions allows the creation of metadata that can be leveraged in future mappings. Significant improvement of the quality of data transformations can be achieved, when at least one of the models used in transformation is already analyzed and understood. Over recent decades, particular industries have defined data models that are widely adopted in commercial and open source solutions. Those models (often industry standards, accepted by ISO or other organizations) can be leveraged to increase reuse in integration projects resulting in a) lower project costs and b) faster delivery to production. The goal of this article is to provide a comprehensive review of the practical applications of standardization of data formats. Using use cases from the Financial Services Industry as examples, the author tries to identify the motivations and common elements of particular data formats, and how they can be leveraged in order to automate process of data transformations between the models.
4
PL
Kryminalistyka jest nauką, która zajmuje się zarówno wykrywaniem przestępstw, jak również przewidywaniem oraz zapobieganiem powstawaniu i rozwojowi przestępczości. Już w XIX wieku lokalizacja miejsca przestępstwa była jednym z najważniejszych zadań wykrywczych organów ścigania. Niespełna sto lat później zaczęto wykorzystywać systemy informacji geograficznej w celu szybszego rozpoznawania i wykrywania sprawców przestępstw, prognozowania ich przestępczych zachowań, jak również planowania efektywniejszej dyslokacji patroli policyjnych. W artykule autorzy dokonują przeglądu metod i możliwości wykorzystania narzędzi GIS w rozpoznawaniu, wykrywaniu, dowodzeniu i przeciwdziałaniu (profilaktyce i prewencji) zachowań przestępczych. Przedstawiają także potencjalne możliwości wykorzystania grafowych baz danych, na przykład dla potrzeb tworzenia wersji kryminalistycznej, profilowania kryminalnego czy też w analizie kryminalnej.
EN
Criminology is a science that deals not only with the detection of crimes, but also with prediction and prevention of their emergence and development. As early as in the 19th century location of a crime was one of the most important tasks of law enforcement investigations. Less than a hundred years later, GIS began to be used in order to faster recognise and detect offenders, predicting their criminal behaviour, as well as for planning efficient dislocation of police patrols. In the article, the authors review the methods and possibilities to use GIS for crime recognition, detection, command and prevention. They also show the potential use of graph databases, e.g. for the purpose of criminal profiling or in the crime analysis.
PL
Istnieje zapotrzebowanie na rozwiązania aplikacyjne wykorzystujące narzędzia GIS i grafowe umożliwiające przetwarzanie danych przestrzennych w celach analitycznych. Celem publikacji jest zaproponowanie i zaprezentowanie metodyki wykorzystania tych narzędzi do reprezentacji sąsiedztwa działek ewidencyjnych w ujęciu grafowym. Utworzono własne algorytmy do przetwarzania topologicznych danych przestrzennych w struktury grafowe i zapisu ich w bazie danych NoSQL. Proponowane rozwiązanie wiąże się z integracją platformy ArcGIS z platformą grafową. Umożliwia to szersze wykorzystanie przyjętych algorytmów przez większą liczbę odbiorców. Budowana struktura topologiczna jest zapisana w formie grafu zwykłego, a przez integrację z platformą GIS węzły i krawędzie opisane są współrzędnymi związanymi z lokalizacją w przestrzeni. Prezentowane wyniki analizy są wstępne, opierają się na relacjach topologicznych przy minimalnej liczbie atrybutów. Pomimo to, uzyskane wyniki stwarzają możliwości manipulowania danymi.
EN
There is a need for application solutions using GIS and graph tools enabling processing of spatial data for analytical purposes. The aim of the publication is to propose and present the methodology to use these tools to represent the neighbourhood of cadastral parcels in terms of graphs. A study was conducted to create original algorithms to process the topological structure of spatial data in graphs and to store them in the NoSQL database. The proposed solution involves integration of the ArcGIS platform with the graph database platform. It enables the wider use of adopted algorithms by a broader audience. Designed topological structure is stored in the form of a plain graph, and through integration with the GIS platform, nodes and edges are described by coordinates associated with a spatial location. The results of the analysis are based on topological relations with the minimum number of attributes. However, they provide opportunities for data manipulation.
EN
The paper describes an application of a graph database to the abstract planning in the Planics composition system for web services. Abstract planning is the first stage of the service composition process, and consists in matching types of the services and objects processed by them, with some additional constraints. The result is an abstract plan matching the user query. The presented solution prunes the ontologies for the abstract planners, greatly improving efficiency and providing better scalability. This is of particular importance in the domain of web service composition, because usually systems are expected to produce answers immediatly.
PL
Praca opisuje zastosowanie grafowej bazy danych do fazy planowania abstrakcyjnego w systemie automatycznej kompozycji usług sieciowych Planics. Planowanie abstrakcyjne jest pierwszą fazą procesu planowania usług, i polega na dopasowaniu typów usług i przetwarzanych przez nie obiektów, w celu wygenerowania planu abstrakcyjnego spełniającego zapytanie skierowane do systemu przez użytkownika. Rozwiązanie bardzo istotnie zwiększa efektywność istniejących metod planowania opartych na testowaniu spełnialności formuł logicznych lub bazujących na algorytmach genetycznych. Jest to szczególnie ważne w dziedzinie planowania usług sieciowych, gdzie od systemów oczekuje się bardzo krótkich czasów przetwarzania zapytań. Metoda ogranicza przeszukiwaną ontologię ze względu na zapytanie użytkownika, znacząco ułatwiając znalezienie rozwiązań.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.