Similarity Searching for the Big Data Challenges and Research Objectives
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F15%3A00087421" target="_blank" >RIV/00216224:14330/15:00087421 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/s11036-014-0547-2" target="_blank" >http://dx.doi.org/10.1007/s11036-014-0547-2</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/s11036-014-0547-2" target="_blank" >10.1007/s11036-014-0547-2</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Similarity Searching for the Big Data Challenges and Research Objectives
Popis výsledku v původním jazyce
Analysis of contemporary Big Data collections require an effective and efficient content-based access to data which is usually unstructured. This first implies a necessity to uncover descriptive knowledge of complex and heterogeneous objects to make themfindable. Second, multimodal search structures are needed to efficiently execute complex similarity queries possibly in outsourced environments while preserving privacy. After explaining the impacts of Big Data on similarity searching and summarizing the state of the art in the search technology, four specific research objectives to tackle the challenges are outlined and discussed. It is believed that effective and efficient processing of raw data for object findability and developing hybrid similaritysearch structures for multi-modal and privacy-preserving searching are necessary to achieve a scalable similarity search technology able to operate on Big Data.
Název v anglickém jazyce
Similarity Searching for the Big Data Challenges and Research Objectives
Popis výsledku anglicky
Analysis of contemporary Big Data collections require an effective and efficient content-based access to data which is usually unstructured. This first implies a necessity to uncover descriptive knowledge of complex and heterogeneous objects to make themfindable. Second, multimodal search structures are needed to efficiently execute complex similarity queries possibly in outsourced environments while preserving privacy. After explaining the impacts of Big Data on similarity searching and summarizing the state of the art in the search technology, four specific research objectives to tackle the challenges are outlined and discussed. It is believed that effective and efficient processing of raw data for object findability and developing hybrid similaritysearch structures for multi-modal and privacy-preserving searching are necessary to achieve a scalable similarity search technology able to operate on Big Data.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
MOBILE NETWORKS & APPLICATIONS
ISSN
1383-469X
e-ISSN
—
Svazek periodika
20
Číslo periodika v rámci svazku
4
Stát vydavatele periodika
CN - Čínská lidová republika
Počet stran výsledku
10
Strana od-do
487-496
Kód UT WoS článku
000360003900010
EID výsledku v databázi Scopus
—