20.500.12556/DKUM-77207 Metode strojnega učenja za vektorsko vložitev vozlišč grafa diplomsko delo Machine learning methods for vector embedding of graph nodes Graf je neevklidska podatkovna struktura, ki jo je težko neposredno analizirati z metodami strojnega učenja, ki obdelujejo podatke v vektorski obliki. Zaradi tega so v zadnjih letih postale priljubljene metode strojnega učenja za vektorsko vložitev, ki graf transformirajo v vektorski prostor. V diplomskem delu zgradimo graf iz člankov z angleške Wikipedije s sledenjem vsebovanim hiperpovezavam. Eksperiment izvedemo za filme in glasbene albume. Vozlišča dobljenega grafa vložimo v vektorski prostor, kar nam omogoči učinkovitejšo analizo grafa, pri kateri se osredotočimo na vizualizacijo, podobnost ter klasifikacijo filmov in albumov v žanre. Med seboj primerjamo vložitve metod DeepWalk, node2vec in SDNE. Pri klasifikaciji filmov v povprečju dosežemo 88,5 % točnost, pri albumih pa 89,3 % točnost. A graph is a non-Euclidean data structure, which is hard to analyze directly with machine learning methods that process data in the vector form. Therefore, in the recent years, machine learning methods for vector embedding, which transform graphs into vector space, have gained a lot of traction. In the thesis, we construct a graph from English Wikipedia articles by following contained hyperlinks. We conduct experiments for movies and music albums. We embed the nodes of the obtained graph in a vector space, which allows us to analyze them more efficiently, focusing on visualization, similarity, and classification of movies and albums into genres. We compare the embeddings produced by methods DeepWalk, node2vec, and SDNE. We achieve, on average, the classification accuracy of 88.5 % for movies and 89.3 % for albums. strojno učenje graf vložitev vozlišč naključni sprehod avtokodirnik machine learning graph node embeddings random walk autoencoder true true false [V. Keršič] Slovenski jezik Angleški jezik Diplomsko delo/naloga 2020-08-21 13:56:50 2020-11-04 09:14:10 2022-08-09 14:30:38 2020-11-22 03:12:06 2020 0 Maribor 0 Maribor XII, 42 str. 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.85:004.422.63(043.2) 38602243 URN:SI:UM:DK:KEG2RGHE UN_Kersic_Vid_2020.pdf UN_Kersic_Vid_2020.pdf 1 6A44979D87449B2411DC753354325F53 3a5560a902d9feb2ca0828d6ecf32eeece1dcc4412ec1f5e148ef21bfd17abb5 c8541644-7c11-11eb-bb7a-00155d0001ca 20.500.12556/dkum/9c9b4be9-6f12-4b29-a9e7-d1c22ebdbb42 https://dk.um.si/Dokument.php?lang=slv&id=145252 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0