Resumen

El flujo de trabajo científico es una herramienta valiosa para diversas aplicaciones de procesamiento de datos a gran escala complicadas. En los últimos años, el creciente número de procesos científicos disponibles requiere el desarrollo de técnicas de recomendación para proporcionar soporte automático para modelar flujos de trabajo científicos. En este artículo, con la ayuda de la red de información heterogénea (HIN) y las etiquetas de flujos de trabajo científicos, organizamos los flujos de trabajo científicos como una HIN y proponemos un novedoso método de cálculo de similitud de flujos de trabajo científicos basado en metapath. Además, se introduce el algoritmo de agrupamiento de picos de densidad (DPC) en el proceso de recomendación y se propone un enfoque de recomendación de flujos de trabajo científicos llamado HDSWR. La efectividad y eficiencia de nuestro enfoque se evalúan mediante experimentos extensos con flujos de trabajo científicos del mundo real.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Flujo de trabajo científico; Técnicas de recomendación; Red de información heterogénea; Metapath; Agrupación de picos de densidad; HDSWR
• Keywords:Scientific workflow; Recommendation techniques; Heterogeneous information network; Metapath; Density peak clustering; HDSWR