Link prediction aplicado em grafos de citações de artigos usando o Node2vec

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorOliveira, Jefferson Tales-
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorOliveira, Jefferson Tales-
Autor(es): dc.contributorBarbosa, Marco Antonio de Castro-
Autor(es): dc.contributorRista, Luís Cassiano Goularte-
Autor(es): dc.creatorTavares, João Paulo de Souza-
Data de aceite: dc.date.accessioned2025-08-29T11:46:22Z-
Data de disponibilização: dc.date.available2025-08-29T11:46:22Z-
Data de envio: dc.date.issued2023-02-27-
Data de envio: dc.date.issued2023-02-27-
Data de envio: dc.date.issued2022-12-12-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/30640-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1082946-
Descrição: dc.descriptionMachine Learning applied on graphs is a recent field of study on artificial intelligence area, although it it is already solving difficult problems on daily challenge faced by humans, like DNA decodification, optimization of supply and energy networks, and, in the academic field, it could provide powerful tool to allow the researcher to find correlated papers of high quality. In applications of this problem, academic paper databases are modelated in graphs, and then it is possible to apply graph embedding techniques transform this graph in a d-dimensional vectors that can be used on tradicional machine learning algorithms, then it is made a prediction model based on the original graph features, predicting these missing links is a task name link prediction. However, create those models are no easy task, due the complexity involved on the task. Therefore, this work aims to apply the node2vec algorithm to learn porwerful embeddings of the paper citation network, and create a prediction model to perfom link prediction tasks and find related papers on the network.-
Descrição: dc.descriptionO aprendizado de máquina em grafos é uma área de estudo recente na área da computação e inteligência artifical, contudo já apresenta perspectiva para a solução de difíceis que os seres humanos se de deparam dia a dia, como ajudar na decodificação de DNA, otimização em redes de suprimento e energia e, na área acadêmica, pode fornecer um ótimo alicerce para o pesquisador encontrar artigos correlatos com uma qualidade e velocidade maior. Na aplicações deste problema, dados de publicações e citações são normalmente modelados como grafos, desta forma é possível aplicar conceito de graph embedding para a transformação deste grafo em um espaço vetorial que possa ser aplicado em algoritmos de aprendizado de máquina tradicionais, e dessa forma criar um modelo de predição baseado nas características do grafo original. Tentar encontrar arestas faltantes em grafo usando um modelo de predição é a tarefa chamada de link prediction. Contudo, criar modelos de inteligência artificial baseados em grafos não é uma tarefa trivial, devido a complexidade envolvida na tarefa. Portanto, neste Trabalho de Conclusão de Curso, pretende-se aplicar o algoritmo node2vec para o aprendizado de características em grafos de citações de artigos, e criar um modelo de predição para realizar a tarefa de link prediction e encontrar publicações correlatas dentre os nós do grafo estudado.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPato Branco-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Informática-
Publicador: dc.publisherEngenharia de Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectAprendizado de máquinas-
Palavras-chave: dc.subjectGrafos de ligação-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectBond graphs-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleLink prediction aplicado em grafos de citações de artigos usando o Node2vec-
Título: dc.titleLink prediction in paper citation network using Node2vec-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.