文献类型：期刊文章

作　　者：王蒙湘[1] 李芳芳[1] 谷峪[1] 于戈[1]

WANG Mengxiang;LI fangfang;GU Yu;YU Ge(Department of Computer Science, College of Computer Science and Engineering, Northeastern University, Shenyang 110819, China)

机构地区：[1]东北大学计算机科学与工程学院计算机科学系,沈阳110819

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金No.61272180;中央高校基本科研业务费专项资金No.N161604005~~

年　　份：2017

卷　　号：11

期　　号：2

起止页码：171-184

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、ZGKJHX、核心刊

摘　　要：大规模数据集已经超过TB和PB级,现有的技术可以收集和存储大量的信息。虽然数据库管理系统一直在不断提高提供复杂的多种数据管理的能力,但是管理查询工具并不能满足大数据的需求,如何精准理解和探索这些大规模数据集仍然是一个巨大的挑战。交互式数据探索(interactive data exploration,IDE)的关注点是强调交互、探索和发现,能让用户从海量的数据中用最小的代价更精确地找到他们需要的信息。首先对交互式数据探索及其应用背景进行了介绍,总结了通用的探索模型和IDE的特点,分析了交互式数据探索中的查询推荐技术和查询结果优化技术的现状;随后分别对IDE原型系统进行了分析和比较;最后给出了关于交互式数据探索技术的总结和展望。

关 键 词：交互式数据探索  查询推荐 查询结果优化  用户反馈 机器学习  

分 类 号：TP315]