| Περίληψη: | Στην σημερινή εποχή ο μεγάλος όγκος διαθέσιμών πληροφοριών, η αναπαράσταση
αυτών, καθώς και η αναπαράσταση συμπυκνωμένων δεδομένων, οδηγούν στην χρήση
δομών δεδομένων όπως τα γραφήματα. Δίκτυα πληροφοριών σε τομείς όπως η
βιολογία, το μάρκετινγκ και η κοινωνιολογία αναπαρίστανται αποτελεσματικά ως
ιεραρχικά δεδομένα. Κοινή ιδιότητα σε πολλά δίκτυα αποτελεί η κοινωνική δομή, που
χωρίζει το δίκτυο σε ομάδες στις οποίες υπάρχει πυκνή διασύνδεση εντός των ομάδων
και αραιή διασύνδεση μεταξύ των ομάδων. Η εύρεση της κοινωνικής δομής βοηθά
στην κατανόηση της δομής των δικτύων και συσχετίζεται με την διαμέριση και την
ιεραρχική συσταδοποίηση. Ο εντοπισμός κοινοτήτων και η εξαγωγή της κοινωνικής
δομής αποδείχτηκε πως είναι μία από τις πιο χρήσιμες και αναγκαίες εφαρμογές στην
επιστήμη των δικτύων.
Τα τελευταία χρόνια, η επεξεργασία μεγάλου όγκου συνεχώς αυξανόμενων δεδομένων
καθιστά δύσκολή την εφαρμογή της υπάρχουσας μεθοδολογίας. Για την αντιμετώπιση
αυτού του NP-hard προβλήματος αναπτύσσονται καινοτόμες μέθοδοι εντοπισμού
κοινοτήτων βασισμένες σε ήδη υπάρχουσες. Εργαλεία κατανεμημένης μάθησης και
τεχνικές συνδυαστικής μάθησης πρωτοτυπούν και αντιμετωπίζουν πολλά από τα
προβλήματα που παρουσιάζουν παλαιότερες τεχνικές. Όμως, οι μέθοδοι είναι πολύ
απαιτητικές με εκτεταμένη ανάλυση, όπου παρατηρείται έλλειψη κλιμάκωσης.
Βασικός στόχος της παρούσας διπλωματικής εργασίας είναι η μελέτη συνδυαστικών
μεθόδων μηχανικής μάθησης, οι οποίες που μπορούν να χρησιμοποιηθούν για τη
δημιουργία ενός μοντέλου πρόβλεψης κοινοτήτων συνδυαστικής μάθησης, με απώτερο
σκοπό την μελέτη μίας εκ των μεθόδων που θα βελτιώνει τις ήδη υπάρχουσες τεχνικές
για την κατασκευή ενός κατανεμημένου μοντέλου συνδυαστικής μάθησης. Στην
συγκεκριμένη μέθοδο συνδυαστικής μάθησης πραγματοποιείται ακόμα μελέτη
σημαντικών παραμέτρων που ορίζουν την απόδοση του μοντέλου πρόβλεψης. Με
χρήση τοπολογικών ιδιοτήτων και της bootstrap δειγματοληψίας, ερευνάται η
παραμετροποίηση του επιλεγμένου μοντέλου συνδυαστικής μάθησης, για την οποία
χρησιμοποιήθηκαν μεγάλα και πραγματικά κοινωνικά δίκτυα που έδωσαν
ικανοποιητικά και αρκετά εύστοχα αποτελέσματα.
|
|---|
