| Título : |
Machine Learning in Social Networks : Embedding Nodes, Edges, Communities, and Graphs |
| Tipo de documento: |
documento electrónico |
| Autores: |
Aggarwal, Manasvi, Autor ; Murty, M.N, Autor |
| Mención de edición: |
1 ed. |
| Editorial: |
Singapore [Malasya] : Springer |
| Fecha de publicación: |
2021 |
| Número de páginas: |
XI, 112 p. 29 ilustraciones, 18 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-981-334-022-0 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Inteligencia Computacional Aprendizaje automático Inteligencia artificial Redes neuronales (Informática) Modelos matemáticos de procesos cognitivos y redes neuronales |
| Índice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
Este libro trata sobre el aprendizaje de la representación de redes. Se trata de incrustar nodos, aristas, subgrafos y gráficos. Existe un interés creciente en comprender sistemas complejos en diferentes ámbitos, incluidos la salud, la educación, la agricultura y el transporte. Estos sistemas complejos se analizan mediante modelado, utilizando redes que acertadamente se denominan redes complejas. Las redes se están volviendo ubicuas, ya que pueden representar muchos datos relacionales del mundo real, por ejemplo, redes de información, estructuras moleculares, redes de telecomunicaciones y redes de interacción proteína-proteína. El análisis de estas redes aporta ventajas en muchos campos como la recomendación (recomendar amigos en una red social), el biológico (deducir conexiones entre proteínas para tratar nuevas enfermedades) y la detección comunitaria (agrupar a los usuarios de una red social según sus intereses) aprovechando la información latente de las redes. Un área activa e importante de interés actual es desarrollar algoritmos que aprendan características incorporando nodos o (sub)gráficos en un espacio vectorial. Estas tareas se incluyen en el amplio ámbito del aprendizaje por representación. Un modelo de aprendizaje de representación aprende una función de mapeo que transforma la información de la estructura de los gráficos en un espacio vectorial de baja/alta dimensión manteniendo todas las propiedades relevantes. . |
| Nota de contenido: |
Introduction -- Representations of Networks -- Deep Learning -- Node Representations -- Embedding Graphs -- Conclusions. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Machine Learning in Social Networks : Embedding Nodes, Edges, Communities, and Graphs [documento electrónico] / Aggarwal, Manasvi, Autor ; Murty, M.N, Autor . - 1 ed. . - Singapore [Malasya] : Springer, 2021 . - XI, 112 p. 29 ilustraciones, 18 ilustraciones en color. ISBN : 978-981-334-022-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Inteligencia Computacional Aprendizaje automático Inteligencia artificial Redes neuronales (Informática) Modelos matemáticos de procesos cognitivos y redes neuronales |
| Índice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
Este libro trata sobre el aprendizaje de la representación de redes. Se trata de incrustar nodos, aristas, subgrafos y gráficos. Existe un interés creciente en comprender sistemas complejos en diferentes ámbitos, incluidos la salud, la educación, la agricultura y el transporte. Estos sistemas complejos se analizan mediante modelado, utilizando redes que acertadamente se denominan redes complejas. Las redes se están volviendo ubicuas, ya que pueden representar muchos datos relacionales del mundo real, por ejemplo, redes de información, estructuras moleculares, redes de telecomunicaciones y redes de interacción proteína-proteína. El análisis de estas redes aporta ventajas en muchos campos como la recomendación (recomendar amigos en una red social), el biológico (deducir conexiones entre proteínas para tratar nuevas enfermedades) y la detección comunitaria (agrupar a los usuarios de una red social según sus intereses) aprovechando la información latente de las redes. Un área activa e importante de interés actual es desarrollar algoritmos que aprendan características incorporando nodos o (sub)gráficos en un espacio vectorial. Estas tareas se incluyen en el amplio ámbito del aprendizaje por representación. Un modelo de aprendizaje de representación aprende una función de mapeo que transforma la información de la estructura de los gráficos en un espacio vectorial de baja/alta dimensión manteniendo todas las propiedades relevantes. . |
| Nota de contenido: |
Introduction -- Representations of Networks -- Deep Learning -- Node Representations -- Embedding Graphs -- Conclusions. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsqueda
