Apprentissage statistique hybride (génératif/discriminatif) de modèles multi-relationnels dynamiques et Applications

多关系动态与应用模型的学徒统计混合（génératif/discriminatif）

• 批准号: 341585-2012
• 负责人: Bouguila, Nizar
• 金额: $ 2.04万
• 依托单位: Concordia University
• 依托单位国家: 加拿大
• 项目类别: Discovery Grants Program - Individual
• 财政年份: 2014
• 资助国家: 加拿大
• 起止时间: 2014-01-01 至 2015-12-31
• 项目状态: 已结题
• 来源: https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=549413
• 关键词: Apprentissage; statistique; hybride; ratif; discriminatif

Ce programme de recherche vise la mise en oeuvre de méthodologies, d'algorithmes et de technologies pour la modélisation statistique de données multi-relationnelles. Il s'agit de développer des méthodes d'apprentissage statistique, basées sur des modèles de mélanges de distributions, capables de prendre en compte des dépendances entre entités, correspondant à plusieurs types de relations explicites ou implicites. Cette approche se démarque du cadre classique sur lequel se sont développées plusieurs approches d'apprentissage et qui postulent que les données sont indépendantes et identiquement distribuées. Dans ce contexte, nous proposons le développement de nouvelles approches robustes et effectives pour l'estimation de paramètres des mélanges, la sélection de caractéristiques surtout dans le cas de données de grande dimension, la sélection automatique de modèles et leurs mise à jour à chaque fois que de nouvelles données ou relations sont introduites. Nous favoriserons aussi le développement d'approches hybrides génératives discriminatives à partir de ces modèles de mélanges. Pour la validation de nos approches, nous proposons le développent de techniques pour l'extraction automatique d'entités et de relations à partir de données multimodales (textes, images, vidéos) générées par les réseaux sociaux d'internet (ex. facebook, Twitter, Flicker, MySpace, etc.). Le projet proposé est très prometteur, basé sur des formulations mathématiques et statistiques solides, et permettra l'avancement de connaissances en apprentissage statistique et prospection de données. Les applications sont diverses telles que l'identification des communautés et la modélisation du contenu multimodal dans les réseaux sociaux. Les résultats de la recherche que nous proposons peuvent être appliqués pour différents autres domaines et disciplines (biologie, science sociale, médecine, etc.). En effet, la modélisation statistique de données présentant des liens, porteur d'information, les unes entre les autres concerne toute la communauté scientifique et ont de plus en plus d'ubiquité dans notre société d'information.

该项目旨在研究多关系统计模型的方法、算法和技术。它是学徒统计方法的开发者，是分布混合模式的基础，是所有实体之间依赖关系的预测能力，与显式或隐式关系的附加类型相对应。该方法是关于学徒和后继者的独立开发方法和身份分配方法的经典干部方法。在上下文中，我们提出了新的开发方法的鲁棒性和有效性，以估计混合参数，在大尺寸中选择合适的特性，自动选择模型和当前时间的操作新的 Données ou 关系sont 介绍。人们普遍青睐混合模式的混合开发方法。为了验证这些方法，我们提出了开发自动提取实体和互联网社交网络（例如 facebook、Twitter、Flicker、MySpace 等）多模式（文本、图像、视频）关系的技术的建议。该项目旨在促进数学和统计学的公式化，并促进学徒统计和数据展望的发展。这些应用程序讲述了社区的身份识别和社会团体中多式联运内容的模式化。我们的研究成果适用于不同领域和学科（生物学、社会科学、医学等）。实际上，留置权、信息传送者的数据统计模型是科学共同体和非信息社会普遍存在的其他关注点。