Визуальная аналитика в задаче трикластеризации данных социальных сетей

Ю. С. Кашницкий

Публикации

?

Визуальная аналитика в задаче трикластеризации данных социальных сетей

С. 251–258.

Кашницкий Ю. С.

В печати

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.

Язык: русский

Полный текст

Ключевые слова: анализ формальных понятий Formal Concept Analysis трикластеризация triclustering рекомендательные системы и алгоритмы триадический анализ формальных понятий визуальная аналитика visual analytics Recommender Systems

В книге

Труды Международной конференции по физико-технической информатике CPT-2013, 12-19 мая 2013 г., Ларнака, Республика Кипр

М., Протвино: Изд-во ИФТИ, 2013.

Efficient Incorporation of New Interactions in Graph Recommenders via Folding-In

Юсупов В. А., Sukhorukov N., Фролов Е. П., User Modelling and User-Adapted Interaction 2026 Vol. 36 Article 2

Графовые системы рекомендаций стали мощной парадигмой для персонализированных рекомендаций. Однако их зависимость от полного переобучения модели для интеграции новых пользователей или новых взаимодействий создаёт барьеры для масштабирования. В реальных системах рекомендаций эта задача становится невыполнимой из-за чрезмерных затрат времени и ресурсов. Чтобы преодолеть это ограничение, мы предлагаем быстрый и эффективный метод обновления графовых рекомендательных моделей ...

Добавлено: 15 марта 2026 г.

Efficient Incorporation of New Interactions in Graph Recommenders via Folding-In

Юсупов В. А., Sukhorukov N., Фролов Е. П., User Modeling and User-Adapted Interaction 2025 P. 1–24

Добавлено: 14 марта 2026 г.

Efficient Incorporation of New Interactions in Graph Recommenders via Folding-In

Юсупов В. А., Sukhorukov N., Фролов Е. П., , in: User Modeling and User-Adapted Interaction.: Springer, 2026. Ch. 36.2 P. 1–24.

Добавлено: 29 января 2026 г.

An Analysis of Sequential Patterns in Datasets for Evaluation of Sequential Recommendations

Klenitskiy A., Anna Volodkevich, Pembek A. и др., ACM Transactions on Recommender Systems 2026

Добавлено: 28 января 2026 г.

Autoregressive generation strategies for Top-K sequential recommendations

Anna Volodkevich, Danil Gusak, Klenitskiy A. и др., User Modelling and User-Adapted Interaction 2025 No. 35 Article 13

Добавлено: 26 января 2026 г.

Encode Me If You Can: Learning Universal User Representations via Event Sequence Autoencoding

Klenitskiy A., Фаткулин А. А., Denisova D. и др., , in: RecSysChallenge '25: Proceedings of the Recommender Systems Challenge 2025.: Association for Computing Machinery (ACM), 2025. P. 26–30.

Добавлено: 26 января 2026 г.

Benefiting from Negative yet Informative Feedback by Contrasting Opposing Sequential Patterns

Ivanova V., Фролов Е. П., Васильев А. В., , in: RecSys '25: Proceedings of the Nineteenth ACM Conference on Recommender Systems.: ACM, 2025. P. 1142–1147.

Добавлено: 26 января 2026 г.

Let It Go? Not Quite: Addressing Item Cold Start in Sequential Recommendations with Content-Based Initialization

Pembek A., Фаткулин А. А., Klenitskiy A. и др., , in: RecSys '25: Proceedings of the Nineteenth ACM Conference on Recommender Systems.: ACM, 2025. P. 626–631.

Добавлено: 26 января 2026 г.

Is Canfield Right? On the Asymptotic Coefficients for the Maximum Antichain of Partitions and Related Counting Inequalities

Игнатов Д. И., , in: 11th International Conference, AIST 2023, Yerevan, Armenia, September 28–30, 2023, Revised Selected Papers. Analysis of Images, Social Networks and Texts. Lecture Notes in Computer Science (LNCS, volume 14486).: Cham: Springer, 2024. P. 349 – 361.

Добавлено: 23 января 2026 г.

32nd SIGKDD Conference on Knowledge Discovery and Data Mining

Association for Computing Machinery (ACM), 2026.

Добавлено: 25 ноября 2025 г.

Blending Sequential Embeddings, Graphs, and Engineered Features: 4th Place Solution in RecSys Challenge 2025

Makeev S., Andreev A., Baikalov V. и др., , in: RecSysChallenge '25: Proceedings of the Recommender Systems Challenge 2025.: Association for Computing Machinery (ACM), 2025. P. 21–25.

Добавлено: 19 ноября 2025 г.

RecSysChallenge '25: Proceedings of the Recommender Systems Challenge 2025

Association for Computing Machinery (ACM), 2025.

Добавлено: 19 ноября 2025 г.

Correcting the LogQ Correction: Revisiting Sampled Softmax for Large-Scale Retrieval

Хрыльченко К. Я., Baikalov V., Makeev S. и др., , in: RecSys '25: Proceedings of the Nineteenth ACM Conference on Recommender Systems.: ACM, 2025. P. 545–550.

Добавлено: 19 ноября 2025 г.

Ti-DC-GNN: Incorporating Time-Interval Dual Graphs for Recommender Systems

Nikita Severin, Савченко А. В., Киселёв Д. А. и др., , in: RecSys '23: Proceedings of the 17th ACM Conference on Recommender Systems.: Association for Computing Machinery (ACM), 2023.

Добавлено: 22 мая 2025 г.

From Variability to Stability: Advancing RecSys Benchmarking Practices

Shevchenko V., Belousov N., Васильев А. В. и др., , in: KDD '24: Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining.: Association for Computing Machinery (ACM), 2024. P. 5701–5712.

Добавлено: 24 ноября 2024 г.

GraphiCon 2024: Материалы 34-й Международной конференции по компьютерной графике и машинному зрению (Россия, Омск, 17–19 сент. 2024 г.)

Омск: Издательство ОмГТУ, 2024.

Представлены материалы 34-й Международной конференции GraphiCon 2024, проходившей на базе Омского государственного технического университета. Соорганизатор конференции – Институт прикладной математики им. М. В. Келдыша РАН.Конференция GraphiCon ведет свою историю с 1991 года и является крупнейшей в России научно-дискуссионной площадкой в области методов и технологий компьютерного анализа изображений, визуальной и когнитивной аналитики, 3D-реконструкции, визуальной навигации и человеко-машинного взаимодействия, виртуальной ...

Добавлено: 15 ноября 2024 г.

CIKM '24: Proceedings of the 33rd ACM International Conference on Information and Knowledge Management

NY: Association for Computing Machinery (ACM), 2024.

Добавлено: 10 сентября 2024 г.

Self-Attentive Sequential Recommendations with Hyperbolic Representations

Evgeny Frolov, Tatyana Matveeva, Мирвахабова Л. и др., , in: RecSys '24: Proceedings of the 18th ACM Conference on Recommender Systems.: Association for Computing Machinery (ACM), 2024. P. 981–986.

Добавлено: 10 сентября 2024 г.

GPT3RecBot: a universal chatbot recommender of movies, books and music in Telegram

Lashinin O., Быков К. В., Ананьева М. Е. и др., , in: Proceedings of the Fifth Knowledge-aware and Conversational Recommender Systems Workshop co-located with 17th ACM Conference on Recommender Systems (RecSys 2023)Vol. 3560.: CEUR Workshop Proceedings, 2023. P. 35–43.

Добавлено: 2 декабря 2023 г.

Tensor methods and recommender systems

Фролов Е. П., Oseledets I., Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 2017 Vol. 7 No. 3

Добавлено: 16 ноября 2023 г.

Tensor-Based Sequential Learning via Hankel Matrix Representation for Next Item Recommendations

Фролов Е. П., Oseledets I., IEEE Access 2023 Vol. 11 P. 6357–6371

Добавлено: 16 ноября 2023 г.