Adaptive Resonance Theory in Social Media Data Clustering / Meng, Lei  

Público ISBD Ningún comentario para este registro. Título : Adaptive Resonance Theory in Social Media Data Clustering : Roles, Methodologies, and Applications Tipo de documento: documento electrónico Autores: Meng, Lei, ; Tan, Ah-Hwee, ; Wunsch II, Donald C., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XV, 190 p. 53 ilustraciones, 34 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-02985-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Algoritmos  Psicología cognitiva  Sistemas de reconocimiento de patrones  Minería de datos y descubrimiento de conocimientos  Reconocimiento de patrones automatizado Clasificación: 6.312 Resumen: Los datos de las redes sociales contienen nuestra comunicación y el intercambio en línea, reflejando nuestra vida diaria. Este libro analiza cómo podemos usar y qué podemos descubrir a partir de datos tan grandes: Conocimientos básicos (datos y desafíos) sobre análisis de redes sociales. La agrupación como técnica fundamental para el descubrimiento de conocimientos y la extracción de datos sin supervisión. Una clase de algoritmos de inspiración neuronal, basados ​​en Teoría de la resonancia adaptativa (ART), que aborda los desafíos en la agrupación de datos de las grandes redes sociales Prácticas paso a paso para desarrollar algoritmos de aprendizaje automático no supervisados ​​para aplicaciones del mundo real en el dominio de las redes sociales La teoría de la resonancia adaptativa en la agrupación de datos de las redes sociales se basa en el avance fundamental en Teoría cognitiva y neuronal, es decir, teoría de la resonancia adaptativa, que simula cómo un cerebro procesa información para realizar memoria, aprendizaje, reconocimiento y predicción. Presenta iniciativas sobre la demostración matemática de los mecanismos de aprendizaje de ART en agrupación e ilustra cómo extender el modelo ART base para manejar la complejidad y las características de los datos de las redes sociales y realizar tareas analíticas asociativas. El libro incluye investigaciones de vanguardia y prácticas del mundo real sobre aprendizaje automático y análisis de redes sociales y, si desea conocer las respuestas a las siguientes preguntas, este libro es para usted: ¿Cómo procesar grandes flujos de datos multimedia? ¿Cómo analizar redes sociales con datos heterogéneos? ¿Cómo comprender los intereses de un usuario aprendiendo de las publicaciones y los comportamientos en línea? ¿Cómo crear un motor de búsqueda personalizado indexando y buscando automáticamente recursos de información multimodal? Nota de contenido: Part 1: Theories -- Introduction -- Clustering and Extensions in the Social Media Domain -- Adaptive Resonance Theory (ART) for Social Media Analytics -- Part II: Applications -- Personalized Web Image Organization -- Socially-Enriched Multimedia Data Co-Clustering -- Community Discovery in Heterogeneous Social Networks -- Online Multimodal Co-Indexing and Retrieval of Social Media Data -- Concluding Remarks. Tipo de medio : Computadora Summary : Social media data contains our communication and online sharing, mirroring our daily life. This book looks at how we can use and what we can discover from such big data: Basic knowledge (data & challenges) on social media analytics Clustering as a fundamental technique for unsupervised knowledge discovery and data mining A class of neural inspired algorithms, based on adaptive resonance theory (ART), tackling challenges in big social media data clustering Step-by-step practices of developing unsupervised machine learning algorithms for real-world applications in social media domain Adaptive Resonance Theory in Social Media Data Clustering stands on the fundamental breakthrough in cognitive and neural theory, i.e. adaptive resonance theory, which simulates how a brain processes information to perform memory, learning, recognition, and prediction. It presents initiatives on the mathematical demonstration of ART's learning mechanisms in clustering, and illustrates how to extend the base ART model to handle the complexity and characteristics of social media data and perform associative analytical tasks. Both cutting-edge research and real-world practices on machine learning and social media analytics are included in the book and if you wish to learn the answers to the following questions, this book is for you: How to process big streams of multimedia data? How to analyze social networks with heterogeneous data? How to understand a user's interests by learning from online posts and behaviors? How to create a personalized search engine by automatically indexing and searching multimodal information resources? Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Adaptive Resonance Theory in Social Media Data Clustering : Roles, Methodologies, and Applications [documento electrónico] / Meng, Lei, ; Tan, Ah-Hwee, ; Wunsch II, Donald C.,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XV, 190 p. 53 ilustraciones, 34 ilustraciones en color. ISBN : 978-3-030-02985-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Algoritmos  Psicología cognitiva  Sistemas de reconocimiento de patrones  Minería de datos y descubrimiento de conocimientos  Reconocimiento de patrones automatizado Clasificación: 6.312 Resumen: Los datos de las redes sociales contienen nuestra comunicación y el intercambio en línea, reflejando nuestra vida diaria. Este libro analiza cómo podemos usar y qué podemos descubrir a partir de datos tan grandes: Conocimientos básicos (datos y desafíos) sobre análisis de redes sociales. La agrupación como técnica fundamental para el descubrimiento de conocimientos y la extracción de datos sin supervisión. Una clase de algoritmos de inspiración neuronal, basados ​​en Teoría de la resonancia adaptativa (ART), que aborda los desafíos en la agrupación de datos de las grandes redes sociales Prácticas paso a paso para desarrollar algoritmos de aprendizaje automático no supervisados ​​para aplicaciones del mundo real en el dominio de las redes sociales La teoría de la resonancia adaptativa en la agrupación de datos de las redes sociales se basa en el avance fundamental en Teoría cognitiva y neuronal, es decir, teoría de la resonancia adaptativa, que simula cómo un cerebro procesa información para realizar memoria, aprendizaje, reconocimiento y predicción. Presenta iniciativas sobre la demostración matemática de los mecanismos de aprendizaje de ART en agrupación e ilustra cómo extender el modelo ART base para manejar la complejidad y las características de los datos de las redes sociales y realizar tareas analíticas asociativas. El libro incluye investigaciones de vanguardia y prácticas del mundo real sobre aprendizaje automático y análisis de redes sociales y, si desea conocer las respuestas a las siguientes preguntas, este libro es para usted: ¿Cómo procesar grandes flujos de datos multimedia? ¿Cómo analizar redes sociales con datos heterogéneos? ¿Cómo comprender los intereses de un usuario aprendiendo de las publicaciones y los comportamientos en línea? ¿Cómo crear un motor de búsqueda personalizado indexando y buscando automáticamente recursos de información multimodal? Nota de contenido: Part 1: Theories -- Introduction -- Clustering and Extensions in the Social Media Domain -- Adaptive Resonance Theory (ART) for Social Media Analytics -- Part II: Applications -- Personalized Web Image Organization -- Socially-Enriched Multimedia Data Co-Clustering -- Community Discovery in Heterogeneous Social Networks -- Online Multimodal Co-Indexing and Retrieval of Social Media Data -- Concluding Remarks. Tipo de medio : Computadora Summary : Social media data contains our communication and online sharing, mirroring our daily life. This book looks at how we can use and what we can discover from such big data: Basic knowledge (data & challenges) on social media analytics Clustering as a fundamental technique for unsupervised knowledge discovery and data mining A class of neural inspired algorithms, based on adaptive resonance theory (ART), tackling challenges in big social media data clustering Step-by-step practices of developing unsupervised machine learning algorithms for real-world applications in social media domain Adaptive Resonance Theory in Social Media Data Clustering stands on the fundamental breakthrough in cognitive and neural theory, i.e. adaptive resonance theory, which simulates how a brain processes information to perform memory, learning, recognition, and prediction. It presents initiatives on the mathematical demonstration of ART's learning mechanisms in clustering, and illustrates how to extend the base ART model to handle the complexity and characteristics of social media data and perform associative analytical tasks. Both cutting-edge research and real-world practices on machine learning and social media analytics are included in the book and if you wish to learn the answers to the following questions, this book is for you: How to process big streams of multimedia data? How to analyze social networks with heterogeneous data? How to understand a user's interests by learning from online posts and behaviors? How to create a personalized search engine by automatically indexing and searching multimodal information resources? Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200