Sökning: "länkförutsägelse"

Hittade 4 uppsatser innehållade ordet länkförutsägelse.

  1. 1. An experimental analysis of Link Prediction methods over Microservices Knowledge Graphs

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Gianluca Ruberto; [2023]
    Nyckelord :Knowledge Graphs; Link Prediction; Machine Learning; Microservice Tracing; Kunskapsdiagram; länkförutsägelse; maskininlärning; mikroservicespårning;

    Sammanfattning : Graphs are a powerful way to represent data. They can be seen as a collection of objects (nodes) and the relationships between them (edges or links). The power of this structure has its intrinsic value in the relationship between data points that can even provide more information than the data properties. LÄS MER

  3. 2. Link Prediction Using Learnable Topology Augmentation

    Master-uppsats, KTH/Matematik (Avd.)

    Författare :Tori Leatherman; [2023]
    Nyckelord :Network Analysis; Inductive Link Prediction; Learnable Augmentation; Graph Neural Networks; Multilayer Perceptrons; Nätverksanalys; Induktiv Länkförutsägelse; Inlärningsbar Förstärkning; Grafiska Neurala Nätverk; Flerskiktsperceptroner;

    Sammanfattning : Link prediction is a crucial task in many downstream applications of graph machine learning. Graph Neural Networks (GNNs) are a prominent approach for transductive link prediction, where the aim is to predict missing links or connections only within the existing nodes of a given graph. LÄS MER

  4. 3. Prediction Assisted Fully Dynamic All-Pairs Effective Resistance

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Felix Broberg; [2020]
    Nyckelord :;

    Sammanfattning : We study the approximate fully dynamic online all-pairs effective resistance problem in a prediction assisted setting. We introduce a prediction model for predicting which vertex pairs will be involved in future edge insertions, deletions, or effective resistance queries. LÄS MER

  5. 4. Exploring declarative rule-based probabilistic frameworks for link prediction in Knowledge Graphs

    Master-uppsats, KTH/Skolan för informations- och kommunikationsteknik (ICT)

    Författare :Xiaoxu Gao; [2017]
    Nyckelord :Knowledge Graph; Link Prediction; Probabilistic Soft Logic; Hinge-loss Markov Random Fields; Kunskapsgraf; Länkförutsägelser; Probabilistic Soft Logic; Hinge-loss Markov Random Fields;

    Sammanfattning : En kunskapsgraf lagrar information från webben i form av relationer mellan olika entiteter. En kunskapsgrafs kvalité bestäms av hur komplett den är och dess noggrannhet. Dessvärre har många nuvarande kunskapsgrafer brister i form av saknad fakta och inkorrekt information. LÄS MER