Machine Learning applicato al Web Semantico: Statistical Relational Learning vs Tensor Factorization
| Contribuinte(s) |
Carbonaro, Antonella |
|---|---|
| Data(s) |
09/10/2014
|
| Resumo |
Obiettivo della tesi è analizzare e testare i principali approcci di Machine Learning applicabili in contesti semantici, partendo da algoritmi di Statistical Relational Learning, quali Relational Probability Trees, Relational Bayesian Classifiers e Relational Dependency Networks, per poi passare ad approcci basati su fattorizzazione tensori, in particolare CANDECOMP/PARAFAC, Tucker e RESCAL. |
| Formato |
application/pdf |
| Identificador |
http://amslaurea.unibo.it/7530/1/Perlini_Lorenzo_tesi.pdf Perlini, Lorenzo (2014) Machine Learning applicato al Web Semantico: Statistical Relational Learning vs Tensor Factorization. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria e scienze informatiche [LM-DM270] - Cesena <http://amslaurea.unibo.it/view/cds/CDS8614/> |
| Relação |
http://amslaurea.unibo.it/7530/ |
| Direitos |
info:eu-repo/semantics/restrictedAccess |
| Palavras-Chave | #Linked Open Data Cloud (LOD Cloud), Machine Learning, Semantic Web, Statistical Relational Learning (SRL), Tensor Factorization (TF) #scuola :: 843884 :: Ingegneria e Architettura #cds :: 8614 :: Ingegneria e scienze informatiche [LM-DM270] - Cesena #sessione :: seconda |
| Tipo |
PeerReviewed |
