РЕФЕРАТИВНА БАЗА ДАНИХ "УКРАЇНІКА НАУКОВА"
Abstract database «Ukrainica Scientific»


Бази даних


Реферативна база даних - результати пошуку


Вид пошуку
Пошуковий запит: (<.>ID=REF-0000711734<.>)
Загальна кількість знайдених документів : 1

Мелешко Є. В. 
Методи кластеризації графів соціальних мереж для побудови рекомендаційних систем / Є. В. Мелешко // Системи упр., навігації та зв'язку. - 2019. - Вип. 2. - С. 129-134. - Бібліогр.: 8 назв. - укp.

Мета статті - виявлення методів кластеризації графів соціальних мереж, які можна використати для побудови рекомендаційних систем для соціальних медіа. Проведено дослідження існуючих методів кластеризації графів соціальних мереж та досліджено можливість і доцільність їх використання у рекомендаційних системах. Проведено дослідження існуючих методів кластеризації графів соціальних мереж двох типів, для одержання кластерів, що не перетинаються, та для одержання кластерів, які можуть перетинатися. Досліджено можливість використання розглянутих методів для побудови рекомендаційних систем соціальних медіа. Досліджено можливості графової СУБД Neo4j по реалізації алгоритмів кластеризаці ї графів. Висновки: проведено дослідження різних методів кластеризації графів соціальних мереж. Розглянуто методи засновані на оптимізації модулярності графу, нарозмітці графу та на методах випадкових блукань, також розглянута окрема група методів, що розбиває граф на кластери, які можуть перетинатися. Досліджено можливість та доцільність використання методів кластеризації гра фів для побудови рекомендаційних систем. Досліджено можливості графової системи управління базами даних Neo4j для реалізації методів кластеризації графів. Встановлено, що Neo4j надає широкі можливості реалізації розглянутих методів. Для виділення кластерів СУБД Neo4j пропонує декілька реалізованих у її бібліотеці Graph alg orithms алгоритмів, а саме Louvain, Label Propagation та Triangle Counting. Проведено тестування функцій бібліотеки Graph algorithms, що реалізують алгоритми Louvain, Label Propagation та Triangle Counting у Neo4j. Інші алгоритми кластеризації графів треба, при необхідності, реалізовувати самостійно, але СУБД Neo4j надає багато зручних інструментів для роботи з даними, які можна використати для реалізації різних алгоритмів кластеризації графів меншими зусиллями, ніж без використання Neo4j.


Індекс рубрикатора НБУВ: С5в647.6 + С5*333.2

Рубрики:

Шифр НБУВ: Ж73223 Пошук видання у каталогах НБУВ 
Повний текст  Наукова періодика України 
Додаткова інформація про автора(ів) публікації:
(cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці)
  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"
 
Національна бібліотека України імені В. І. Вернадського
Відділ наукового формування національних реферативних ресурсів
Інститут проблем реєстрації інформації НАН України

Всі права захищені © Національна бібліотека України імені В. І. Вернадського