Metode strojnega učenja za vektorsko vložitev vozlišč grafa : diplomsko delo

Keršič, Vid

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	Metode strojnega učenja za vektorsko vložitev vozlišč grafa : diplomsko delo
Avtorji:	ID Keršič, Vid (Avtor) ID Strnad, Damjan (Mentor) Več o mentorju... ID Kohek, Štefan (Komentor)
Datoteke:	UN_Kersic_Vid_2020.pdf (1,89 MB) MD5: 6A44979D87449B2411DC753354325F53 PID: 20.500.12556/dkum/9c9b4be9-6f12-4b29-a9e7-d1c22ebdbb42
Jezik:	Slovenski jezik
Vrsta gradiva:	Diplomsko delo/naloga
Tipologija:	2.11 - Diplomsko delo
Organizacija:	FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:	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.
Ključne besede:	strojno učenje, graf, vložitev vozlišč, naključni sprehod, avtokodirnik
Kraj izida:	Maribor
Kraj izvedbe:	Maribor
Založnik:	[V. Keršič]
Leto izida:	2020
Št. strani:	XII, 42 str.
PID:	20.500.12556/DKUM-77207
UDK:	004.85:004.422.63(043.2)
COBISS.SI-ID:	38602243
NUK URN:	URN:SI:UM:DK:KEG2RGHE
Datum objave v DKUM:	04.11.2020
Število ogledov:	1002
Število prenosov:	113
Metapodatki:
Področja:	KTFMB - FERI
:	Kopiraj citat

Skupna ocena:	(0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:	CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna

Povezava:	http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:	Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:	21.08.2020

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	Machine learning methods for vector embedding of graph nodes
Opis:	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.
Ključne besede:	machine learning, graph, node embeddings, random walk, autoencoder

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj