Μηχανική μάθηση σε γραφήματα: αλγόριθμοι και εφαρμογές

Περίληψη

Τα γραφήματα είναι δομές που έχουν μελετηθεί ευρέως και που χρησιμοποιούνται για να μοντελοποιήσουν οντότητες και τις μεταξύ τους σχέσεις. Τα τελευταία χρόνια, οι αναπαραστάσεις δεδομένων ως γραφήματα έχουν διαδοθεί σε μεγάλο βαθμό και χρησιμοποιούνται σε πολλές εφαρμογές. Για παράδειγμα, στην υπολογιστική χημεία, τα γραφήματα χρησιμοποιούνται για την αναπαράσταση μορίων, ενώ στην επεξεργασία φυσικής γλώσσας χρησιμοποιούνται για την αναπαράσταση κειμένων. Σε πολλές εφαρμογές, είναι απαραίτητο να εκτελέσουμε εργασίες μηχανικής μάθησης πάνω σε γραφήματα όπως για παράδειγμα να ταξινομήσουμε γραφήματα ή να ομαδοποιήσουμε γραφήματα. Τα τελευταία χρόνια, το πρόβλημα της ταξινόμησης μεγάλων συλλογών γραφημάτων έχει αποκτήσει ιδιαίτερη σημασία μιάς και αποτελεί τη βάση αρκετών σημαντικών εφαρμογών. Σκοπός της παρούσας διατριβής είναι να μελετήσει και να αντιμετωπίσει το πρόβλημα της ταξινόμησης γραφημάτων, εστιάζοντας τόσο στο σχεδιασμό νέων αλγορίθμων και εργαλείων, όσο και στην εφαρμογή του ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Graphs are well-studied structures which are utilized to model entities and their relationships. In recent years, graph-based representations have become ubiquitous in many application domains. For instance, in chemoinformatics graphs are used to capture the structure of molecules, while in natural language processing they are used to represent textual documents. In many applications, we are interested in performing machine learning tasks on graphs such as graph classification and graph clustering. In the past years, the problem of classifying large collections of graphs has become crucial with several important applications. The goal of this thesis is to study and address the challenging problem of graph classification, focusing on both the design of new algorithms and tools, as well as on demonstrating its applicability to domains where traditionally, fundamentally different approaches dominate. In the first part of the thesis, we present two novel algorithms capable of comparing gra ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/42338
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/42338
ND
42338
Εναλλακτικός τίτλος
Machine learning on graphs: algorithms and applications
Συγγραφέας
Νικολέντζος, Ιωάννης (Πατρώνυμο: Κωνσταντίνος)
Ημερομηνία
2017
Ίδρυμα
Οικονομικό Πανεπιστήμιο Αθηνών. Σχολή Επιστημών και Τεχνολογίας της Πληροφορίας. Τμήμα Πληροφορικής
Εξεταστική επιτροπή
Βαζιργίαννης Μιχάλης
Σταύρακας Γιάννης
Τίτσιας Μιχάλης
Θηλυκός Δημήτριος
Ramon Jan
Tang Jie
Καλαμπούκης Θεόδωρος
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Μηχανική μάθηση και Αναγνώριση προτύπων; Γραφήματα
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
xxiv, 137 σ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)