Advertisement

DBLP数据集中的人作者集合

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：RAR

简介：
本数据集汇集了来自DBLP数据库中大量的计算机科学领域论文作者信息，为研究者提供了一个庞大的人作者集合资源库。 Sanjeev Saxena, Hans Ulrich Simon, Nathan Goodman, Oded Shmueli;

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • DBLP数据集中的人作者集合
    优质
    本数据集汇集了来自DBLP数据库中大量的计算机科学领域论文作者信息，为研究者提供了一个庞大的人作者集合资源库。 Sanjeev Saxena, Hans Ulrich Simon, Nathan Goodman, Oded Shmueli;
     
  • DBLP数据集_10千
    优质
    DBLP数据集_10千包含约一万条计算机科学文献记录，涵盖会议论文、期刊文章等资源，广泛用于学术研究和信息检索技术开发。 使用Matlab处理好的DBLP数据集应用于异构网络推荐，并生成学术作者镜像。
     
  • DBLP测试数据集
    优质
    DBLP测试数据集是一个包含大量计算机科学领域文献引用信息的数据集合，广泛用于学术研究和算法开发中的性能评估。 dblp测试数据集包含十六个会议的部分内容：SDM, ICDM, ECML-PKDD, PAKDD, WSDM, DMKD, TKDE, KDDExplorations, ACM Trans. On KDD, CVPR, ICML, NIPS, COLT、CVPR、SIGIR和SIGKDD，这些会议的数据至少从2000年至今。收集这些数据花费了我大量时间。
     
  • DBLP（2017-2018）的部分数据集
    优质
    本数据集选取了DBLP数据库中2017至2018年间的关键出版物信息，涵盖计算机科学领域内会议论文、期刊文章等，旨在为学术研究与分析提供资源。 dblp数据集中2017年和2018年的论文情况是通过对原始数据进行清洗后得出的成果，该资源用于研究，请在使用时注明来源。
     
  • DBLP数据集的基本处理方法
    优质
    本文介绍了针对DBLP数据集进行基本处理的方法，包括数据清洗、预处理和结构化步骤，为后续的数据分析与挖掘任务奠定基础。 使用Python语言对DBLP数据集通过sax方式进行简单处理，并将结果存放到csv文件中。处理过程非常简单，请根据需要下载数据集。
     
  • Synthesis.rar_二维人工合成数据集_人工数据_合成数据集
    优质
    Synthesis.rar 是一个包含二维人工合成数据的数据集，适用于多种机器学习和计算机视觉应用场景。该数据集通过算法生成，提供丰富的训练样本以增强模型性能。 用于聚类的人工合成数据集通常是二维的，便于可视化。
     
  • DBLP数据
    优质
    DBLP数据库是一个专注于计算机科学领域文献引用与作者信息的在线资源库，收录了大量学术会议论文和期刊文章，是研究者追踪科研成果的重要工具。 ### 数据集概述 根据提供的信息，“dblp_data”数据集中包含了“paper_init_new.txt”文件中的论文信息，涉及计算机科学领域的多种主题。该文件共有54,031篇论文的数据。 ### 论文一：Compiler-Directed Early Register Release #### 标题解读 这篇论文介绍了一种编译器指导下的早期寄存器释放技术，旨在通过减少寄存器压力来降低功耗。这项技术涉及在编译器识别到逻辑寄存器读取重命名之后提前释放这些寄存器。 #### 内容概要 - **技术背景**：传统上，在指令执行完成后才会释放相关寄存器资源，这可能导致较高的寄存器占用率和增加功耗。 - **关键技术点**： - 编译器识别逻辑寄存器，并在发出指令后立即释放这些寄存器。 - 使用检查点技术减少寄存器文件的占用量，允许部分关闭以节省功耗。 - 相比最近的技术而言，该方法更加简单且快速执行，同时保持精确中断和异常处理能力。 - 实验结果显示，在大型寄存器文件中可以降低高达28%的寄存器使用率，并提高性能；与现有最佳技术相比，动态到静态功耗转换节省了18%。 #### 作者与发布时间 - **作者**：Timothy M. Jones, Michael F. P. OBoyle, Jaume Abella, Antonio González, Oguz Ergin。 - **发布年份**：2005年。 ### 论文二：Unified Compiler Framework for Control and Data Speculation #### 标题解读 本段落介绍了一种统一的编译器框架，用于处理控制和数据推测。该框架能够有效地利用这两种类型的操作，并确保程序语义正确性不受影响。 #### 内容概要 - **技术背景**：控制推测是指在正常执行路径中确定将被执行的具体指令；而数据推测则涉及基于潜在错误操作数值（如先前的别名存储）来执行指令。 - **关键技术点**： - 提出了一种能够同时处理控制和数据推测问题的统一框架。 - 讨论了恢复机制，以确保即使在出现错误推测时也能完全恢复程序原始语义，并包括异常情况下的正确性保证。 - 探讨了级联推测与预测策略的应用，以提高指令级并行度。 - 实验表明，在运行效率和代码体积方面都有显著改进。 #### 作者与发布时间 - **作者**：Roy Dz-Ching Ju, Kevin Nomura, Uma Mahadevan, Le-Chun Wu。 - **发布年份**：2000年。 ### 论文三：Implementation and Evaluation of a Complex Streamed Instruction Set #### 标题解读 本段落描述了一个复杂的流式指令集的设计与评估，该架构旨在加速数据流操作，并支持混合宽度的数据处理能力。 #### 内容概要 - **技术背景**：传统指令集通常针对固定长度数据类型进行优化；而复杂流式指令集（CSI）则为任意长度和位宽的数据元素提供了设计。 - **关键技术点**： - 提出了一种新的架构范例，能够处理混合宽度的数据需求。 - 设计并实现了复杂的流式指令集(CSI)，支持不同长度数据元素的同时处理。 - 实验评估了该指令集在各种应用场景下的性能表现。 #### 作者与发布时间 - **作者**：Ben H. H. Juurlink, Stamatis Vassiliadis, Dmitri Tcheressiz, Harry A. G. Wijshoff。 - **发布年份**：2001年。 ### 结论 这三篇论文涵盖了计算机体系结构领域中的关键技术，包括寄存器管理、编译器优化以及流式处理架构。这些技术对于现代计算系统来说至关重要，不仅有助于提高性能，还能有效降低能耗。
     
  • 基于FP-Growth算法的DBLP作者合作网络分析实践
    优质
    本研究运用FP-Growth算法对DBLP数据库中的作者合作网络进行深入挖掘和模式识别，探索学术合作关系的内在规律。 挖掘DBLP作者合作关系的FP-Growth算法实践包括三个代码文件和一堆结果文件。
     
  • 数据集下载链接与作者个人主页.txt
    优质
    本文件提供了一个研究项目的数据集下载链接，并附有作者的个人主页链接，便于进一步了解项目详情和联系作者。 非侵入式负荷分解（NILM）的两个重要数据集是REDD和UK-DALE。获取这些数据集对于研究和开发NILM技术至关重要。
     
  • Python初学者数据集-数据集
    优质
    本数据集专为Python编程语言初学者设计，包含多样化的数据文件和代码示例，旨在帮助用户通过实践掌握基本概念和技术。 在准备阶段处理train.csv文件时，请确保文件格式正确并准备好进行puthon（应该是Python）的训练工作。