Метод спектральной трикластеризации для систем совместного пользования ресурсами

Секинаева Зарина Руслановна; Игнатов Дмитрий Игоревич

Глава

Метод спектральной трикластеризации для систем совместного пользования ресурсами

С. 246-254.

Секинаева З. Р., Игнатов Д. И.

Статья посвящена разработке метода трикластеризации на основе графовой спектральной кластеризации. В серии экспериментов на реальных данных исследована эффективность и пригодность метода к анализу данных систем совместного пользования ресурсами, т.н. фолксономий

Язык: русский

Полный текст (PDF, 558 Кб)

Ключевые слова: Анализ сетевых (графовых) данных системы совместного пользования ресурсами разработка данных спектральная трикластеризация трикластеризация

В книге

Метод спектральной трикластеризации для систем совместного пользования ресурсами

Анализ изображений, сетей и текстов. Доклады всероссийской научной конференции АИСТ'12. Модели, алгоритмы и инструменты анализа данных; результаты и возможности для анализа изображений, сетей и текстов. Екатеринбург, 16 – 18 марта 2012 года

Под науч. редакцией: Д. И. Игнатов, Р. Э. Яворский Вып. 1. М.: Национальный открытый университет «ИНТУИТ», 2012.

Can triconcepts become triclusters?

Ignatov D. I., Kuznetsov S., Zhukov L. E. et al. International Journal of General Systems. 2013. Vol. 42. No. 6. P. 572-593.

Two novel approaches to triclustering of three-way binary data are proposed. Tricluster is defined as a dense subset of a ternary relation Y defined on sets of objects, attributes, and conditions, or, equivalently, as a dense submatrix of the adjacency matrix of the ternary relation Y. This definition is a scalable relaxation of the notion of triconcept in Triadic Concept Analysis, whereas each triconcept of the initial data-set is contained in a certain tricluster. This approach generalizes the one previously introduced for concept-based biclustering. We also propose a hierarchical spectral triclustering algorithm for mining dense submatrices of the adjacency matrix of the initial ternary relation Y. Finally, we describe some applications of the proposed techniques, compare proposed approaches and study their performance in a series of experiments with real data-sets.

Добавлено: 16 октября 2013

Analysing Online Social Network Data with Biclustering and Triclustering

Gnatyshak D. V., Ignatov D. I., Semenov A. et al. In bk.: Concept Discovery in Unstructured Data. 2nd International Workshop, CDUD 2012, Leuven, Belgium, May 2012, Proceedings. Iss. 871. Leuven: Katholieke Universiteit Leuven, 2012. P. 30-39.

В данной статье предлагаются два новых метода анализа данных социальных сетей. В частности, анализируются данные социальной сети ВКонтакте. Используя бикластеризацию, извлекаются группы пользователей со схожими интересами и сообщества пользователей, состоящих в схожих группах. С помощью трикластеризации интересы пользователей используются в качестве тегов для описания групп ВКонтакте. После данного процесса тегирования возможно рекомендовать конкретным пользователям релевантные группы или новых друзей, имеющих схожие предпочтения, из интересных групп. Приводятся предварительные результаты и объясняются дальнейшие приложения данных методов в случае больших данных.

Добавлено: 20 ноября 2012

Анализ данных (data mining) онлайн социальных сетей с помощью бикластеризации и трикластеризации

Гнатышак Д. В., Игнатов Д. И., Кузнецов С. О. и др. В кн.: Тринадцатая национальная конференция по искусственному интеллекту с международным участием КИИ-2012 (16-20 октября 2012 г., г. Белгород, Россия). Том 2. Т. 2. Белгород: Белгородский государственный технологический университет им. В.Г. Шухова, 2012. С. 66-73.

В этой работе предлагается новый метод для анализа данных онлайновых социальных сетей. В частности, проанализированы данные сайта Вконтакте. Используя бикластеризацию выявлены группы пользователей со схожими интересами и сообщества пользователей принадлежащих сходным группам. Предпринята попытка использовать интересы пользователей как теги, для того чтобы описывать группы сети Вконтакте.

Добавлено: 20 ноября 2012

Gaining Insight in Social Networks with Biclustering and Triclustering

Gnatyshak D. V., Ignatov D. I., Semenov A. et al. In bk.: Perspectives in Business Informatics Research. 11th International Conference, BIR 2012, Nizhny Novgorod, Russia, September 2012 Proceedings. Iss. 128. Berlin; Heidelberg: Springer, 2012. P. 162-171.

В работе комбинируются подходы на основе би- и трикластризации для анализа данных онлайн социальной сети ВКонтакте. Используя бикластеризацию, извлекаются группы пользователей со схожими интересами и сообщества пользователей, состоящих в схожих группах. С помощью трикластеризации интересы пользователей используются в качестве тегов для описания групп ВКонтакте. После данного процесса тегирования возможно рекомендовать конкретным пользователям релевантные группы или новых друзей, имеющих схожие предпочтения, из интересных групп. Приводятся предварительные результаты и объясняются дальнейшие приложения данных методов в случае больших данных.

Добавлено: 3 декабря 2012

Визуальная аналитика в задаче трикластеризации многомерных данных

Кашницкий Ю. С. Труды Московского физико-технического института. 2014. Т. 6. № 3. С. 43-56.

Трикластеризация - это алгоритм, позволяющий обнаруживать объекты со схожими свойствами в контексте из трех множеств сущностей. Например, в задаче анализа данных социальных сетей, такими множествами могут быть пользователи, их интересы и события, в которых они принимают участие. Трикластеризация здесь может помочь найти группы пользователей с похожими интересами и, например, делать им рекомендации событий на основе этих интересов. В статье описывается конкретный алгоритм трикластеризации и прототип программной платформы для визуального анализа полученных трикластеров.

Добавлено: 8 ноября 2013

Однопроходный алгоритм трикластеризации

Гнатышак Д. В. Научно-техническая информация. Серия 2: Информационные процессы и системы. 2015. № 2. С. 16-30.

В связи с продолжающимся ростом популярности области больших данных все более активно ставится вопрос о создании эффективных алгоритмов с низкой временной сложностью и возможностью параллелизации. Целью данной работы было создание эффективного однопроходного алгоритма трикластеризации бинарных данных, пригодного для использования в области больших данных. В результате был получен однопроходный линейный онлайн-алгоритм OAC-трикластеризации (трикластеризации объект-признак-условие). Помимо того, что данный алгоритм имеет крайне низкую сложность по времени и по памяти, он также эффективно параллелизуем.

Добавлено: 15 апреля 2015