最新公告: 欢迎光临本网站!
搜狐新闻
新闻报刊
地址:广东省广州市番禺经济开发区58号
电话:400-8888-7777
传真:020-66889888
邮箱:88889999@qq.com
搜狐新闻

当前位置:主页 > 搜狐新闻 >

大图数据科学:图数据中的推理

文章来源:澳门威尼斯人网站 更新时间:2020-08-30 20:49

​编者按:我们正淹没在大数据的河流里,数据之间的相互关系蕴含着丰富的信息,但也常常被我们忽略。本文中,加州大学圣克鲁兹分校计算机科学系教授、美国人工智能学会(AAAI)院士Lise Getoor讲述了图识别是如何依靠数据做出推理的,并给出了自己对于概率软性逻辑PSL优越性和可能应用的看法。Lise Getoor表示我们还需要对图进行更多的机器学习,考虑各种关联结点之间的复杂关系。

(以下为Lise Getoor教授分享的精简版文字整理)


我们正淹没在大数据的河流里,大数据并非是平的,而是多模态、多关系、兼具时空、多媒体的。目前的AI技术,特别是机器学习,它将丰富复杂数据平放到矩阵的形式当中。我们当下所做的一些工作很可能忽视了数据当中的很多丰富信息,其中很重要的一点就是错误假设了数据之间的相互关系。作为研究者和开发者,我们需要考虑到这些图的结构和相关的环境因素。

我想首先和大家说说三种常见的图数据推理模式,最简单的一种叫做协同分类。如果一个图的部分结点已经有标签,我们就可以推理出其结点的标签。社交网络就是很典型的例子,其中包含着非常丰富的信息和联系,通过信息和数据去做推理可以得出某位朋友的饮食习惯或其他偏好。基于数据在已有的信息,设置不同的权重,我们能够做一些简单的推理,充分利用本地信息和标签,再去推理出一些之前没有加入的标签信息。

第二种叫做链接预测,我们不仅仅可以预测某一个结点的标签,还可以推断结点之间的链接。比如说有一个通讯网络,我们能够通过通讯信息推理出网络中所有人的层级,并通过不同种类的信息判断不同人之间的关系。

​​

第三种是实体解析,任务是确定哪些结点指向同样的实体,我们就能从中获得一些信息。

地址:广东省广州市番禺经济开发区58号电话:400-8888-7777传真:020-66889888

Copyright © 2002-2019 威尼斯人集团 版权所有 Power by DeDe58技术支持:百度 ICP备案编号:ICP备********号