TAILIEUCHUNG - Vấn đề phân loại đa nhãn cho đồ thị

Bài viết đề xuất một phương pháp phân loại đa nhãn cho kiểu dữ liệu có thể biểu diễn dạng đồ thị chẳng hạn như các cấu trúc hóa học các thành phần thuốc tây bằng cách xây dựng một dàn giao khái niệm cho dữ liệu đồ thị đồng thời sử dụng luật Dempster-Shafer để tăng hiệu quả và độ chính xác phân loại đa nhãn đồ thị | Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XI về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR Hà Nội ngày 09-10 8 2018 DOI VẤN ĐỀ PHÂN LOẠI ĐA NHÃN CHO ĐỒ THỊ Hoàng Minh Quang1 Nguyễn Ngọc Cương2 1 Viện Công nghệ thông tin Viện Hàn lâm Khoa học và Công nghệ Việt Nam. 2 Cục Công nghệ thông tin - Bộ Công An. TÓM TẮT Học máy là lĩnh vực rất quan trọng trong khai phá dữ liệu đặc biệt trong bối cảnh dữ liệu ngày càng tăng nhanh chóng và kiểu dữ liệu ngày càng đa dạng do được thu thập từ nhiều nguồn thông tin khác nhau. Phân loại hay phân lớp dữ liệu là một kỹ thuật chính yếu trong lĩnh vực học máy. Với sự tăng trưởng dữ liệu nhanh chóng và đa dạng kiểu dữ liệu phân loại đa nhãn đang trở thành một xu thế mới do bản chất vấn đề phân loại dữ liệu thường là đa nhãn chẳng hạn như đối với âm thanh thì một bài nhạc có thể được phân vào nhiều nhãn cảm xúc đồng thời hay một hình ảnh có thể được phân vào nhiều nhãn đồng thời như động vật tự nhiên hoang dã . Tuy nhiên phân loại đa nhãn phải có một độ tin cậy nhất định vì một bức ảnh rộng chỉ chứa vài cây cỏ cũng có thể được phân vào nhãn hoang dã. Hầu hết các công trình phân loại đa nhãn đều áp dụng trên cấu trúc dữ liệu biểu diễn dạng vecto trong bài báo này chúng tôi đề xuất một phương pháp phân loại đa nhãn cho kiểu dữ liệu có thể biểu diễn dạng đồ thị chẳng hạn như các cấu trúc hoá học các thành phần thuốc tây bằng cách xây dựng một dàn giao khái niệm cho dữ liệu đồ thị đồng thời sử dụng luật Dempster-Shafer để tăng hiệu quả và độ chính xác phân loại đa nhãn đồ thị. Từ khóa Khai phá dữ liệu đồ thị con thường xuyên khai phá đồ thị phân loại đồ thị phân loại đa nhãn phân loại đa nhãn cho đồ thị. I. GIỚI THIỆU Học máy là lĩnh vực rất quan trọng trong khai phá dữ liệu đặc biệt là những dữ liệu rất lớn mà các thuật toán tìm kiếm chính xác không khả thi do độ phức tạp tính toán thuộc lớp NP-đầy đủ. Các dữ liệu ngày càng đa dạng về mặt cấu trúc các phương pháp khai phá dữ liệu trên bảng gặp nhiều khó .

• Cơ sở dữ liệu
• Khai phá dữ liệu
• Đồ thị con thường xuyên
• Khai phá đồ thị
• Phân loại đồ thị
• Phân loại đa nhãn
• Phân loại đa nhãn cho đồ thị
• Khai phá quá trình
• Môn học Khai phá dữ liệu
• Nội dung Khai phá dữ liệu
• Dạy học Khai phá dữ liệu
• Bài luận môn Khai phá dữ liệu
• Bài giảng Khai phá dữ liệu
• Quá trình khám phá tri thức
• Vai trò khai phá dữ liệu
• ứng dụng khai phá dữ liệu
• Ý nghĩa khai phá dữ liệu
• Bài giảng môn học Khai phá dữ liệu
• Tổng quan về khai phá dữ liệu
• Bài toán khai phá dữ liệu
• Giai đoạn trong khai phá dữ liệu
• Ứng dụng của khai phá dữ liệu
• Nhập môn khai phá dữ liệu
• Bài giảng Nhập môn khai phá dữ liệu
• Tài nguyên khai phá dữ liệu
• Khai phá quy trình
• Học máy suốt đời
• Bài giảng Nhập môn Học máy và Khai phá dữ liệu
• Nhập môn Học máy và Khai phá dữ liệu
• Học máy và khai phá dữ liệu
• Kiểu dữ liệu có cấu trúc
• Kiểu dữ liệu phi cấu trúc
• Data mining
• Khám phá tri thức
• Vai trò của khai phá dữ liệu
• Lợi ích của khai phá dữ liệu
• Tiến trình khai phá dữ liệu
• Phương pháp khai phá dữ liệu
• Từ dữ liệu đến quyết định
• Khai phá dữ liệu trong kinh doanh
• Bài giảng Khai phá dữ liệu trong kinh doanh
• Kho dữ liệu
• Quy trình khai phá dữ liệu trong kinh doanh
• Kỹ thuật của khai phá dữ liệu
• Thuật toán K Means
• Hệ thống thông tin
• Vấn đề khai phá dữ liệu
• Tìm hiểu quá trình khai phá dữ liệu
• Bài giảng Kho dữ liệu và khai phá dữ liệu
• Kho dữ liệu và khai phá dữ liệu
• Bài toán trong khai phá dữ liệu
• Phương pháp cơ bản trong khai phá dữ liệu
• Kỹ thuật tích hợp cơ sở dữ liệu
• Mô hình dữ liệu mở rộng XML
• Phát triển ứng dụng khai phá dữ liệu
• Chuẩn dành cho khai phá dữ liệu
• Kỹ thuật khai phá dữ liệu
• Khai phá tri thức
• Nhà kho dữ liệu
• Khoa học máy tính
• Nghiên cứu trong khai phá dữ liệu
• Cơ sở dữ liệu
• Kiểu mẫu được khai phá
• Công nghệ khai phá dữ liệu
• Machine learning
• Hướng dữ liệuKhai phá dữ liệu phân tán
• Khai phá dữ liệu không tĩnh
• Khai phá luật kết hợp
• Khai phá mẫu dãy
• Khai phá kết hợp dựa theo ràng buộc
• Thuật toán khai phá vô hướng luật kết hợp
• Khai phá quan điểm
• Khai phá phương tiện xã hội
• Bài giảng Khai phá quan điểm
• Nội dung Khai phá phương tiện xã hội
• Mục tiêu Khai phá phương tiện xã hội
• Bài toán khai phá quan điểm
• Mô hình khai phá quan điểm
• Nhu cầu về khai phá dữ liệu
• Mô hình quá trình KDD lặp
• Association rule
• Xử lý cơ sở dữ liệu
• Kiểu dữ liệu
• Kiểu mẫu dùng để khai phá
• Ứng dựng của kho dữ liệu
• Ứng dựng của khai phá dữ liệu