An application of graph neural networks on topic modelling with bi-partite graphs

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Oliveira, Bruno Fernandes Bessa de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado de máquina
Deep learning com grafos
Graph deep learning
Machine learning
Modelagem de tópicos
Neural networks
Redes neurais
Topic modelling
Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-03012024-174804/
Resumo: Graphs are data structures proper to represent real-world objects and their relationships having been widely studied in theory and with multiple examples of applications in industries and academic research. Applying graph-based data in machine learning had a significant advance with the proposal of Graph Neural Networks (GNNs), allowing the representation of this type of data in algorithms that can retain features from the graph without the need for preprocessing stage. This master\'s dissertation presents an analysis of GNNs and proposes an application on text classification using topic modelling to create descriptive variables in bi-partite graphs.
id USP_dbb65ac66b697f6d86613297891c71b5
oai_identifier_str oai:teses.usp.br:tde-03012024-174804
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling An application of graph neural networks on topic modelling with bi-partite graphsUma aplicação de redes neurais de grafos em modelagem de tópicos com grafos bipartidosAprendizado de máquinaDeep learning com grafosGraph deep learningMachine learningModelagem de tópicosNeural networksRedes neuraisTopic modellingGraphs are data structures proper to represent real-world objects and their relationships having been widely studied in theory and with multiple examples of applications in industries and academic research. Applying graph-based data in machine learning had a significant advance with the proposal of Graph Neural Networks (GNNs), allowing the representation of this type of data in algorithms that can retain features from the graph without the need for preprocessing stage. This master\'s dissertation presents an analysis of GNNs and proposes an application on text classification using topic modelling to create descriptive variables in bi-partite graphs.Grafos são estruturas de dados adequadas para representar objetos do mundo real e suas inter-relações, tendo sido amplamente estudados teoricamente e com múltiplos exemplos de aplicações na indústria e pesquisa acadêmica. A aplicação de dados originados de grafos em aprendizados de máquina teve um significante avanço com a proposta das Redes Neurais de Grafos (Graph Neural Networks, ou GNNs), permitindo a representação deste tipo de dados em algoritmos que são capazes de preservar as características do grafo sem necessidade de pré-processamento. Nesta dissertação apresentamos uma análise das redes neurais de grafos e uma proposta de aplicação no contexto de classificação de textos utilizando modelagem e tópicos para criação de variáveis descritivas em grafos bipartidos.Biblioteca Digitais de Teses e Dissertações da USPLopes, Alneu de AndradeOliveira, Bruno Fernandes Bessa de2023-09-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/55/55137/tde-03012024-174804/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2024-01-04T17:53:45Zoai:teses.usp.br:tde-03012024-174804Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-01-04T17:53:45Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv An application of graph neural networks on topic modelling with bi-partite graphs
Uma aplicação de redes neurais de grafos em modelagem de tópicos com grafos bipartidos
title An application of graph neural networks on topic modelling with bi-partite graphs
spellingShingle An application of graph neural networks on topic modelling with bi-partite graphs
Oliveira, Bruno Fernandes Bessa de
Aprendizado de máquina
Deep learning com grafos
Graph deep learning
Machine learning
Modelagem de tópicos
Neural networks
Redes neurais
Topic modelling
title_short An application of graph neural networks on topic modelling with bi-partite graphs
title_full An application of graph neural networks on topic modelling with bi-partite graphs
title_fullStr An application of graph neural networks on topic modelling with bi-partite graphs
title_full_unstemmed An application of graph neural networks on topic modelling with bi-partite graphs
title_sort An application of graph neural networks on topic modelling with bi-partite graphs
author Oliveira, Bruno Fernandes Bessa de
author_facet Oliveira, Bruno Fernandes Bessa de
author_role author
dc.contributor.none.fl_str_mv Lopes, Alneu de Andrade
dc.contributor.author.fl_str_mv Oliveira, Bruno Fernandes Bessa de
dc.subject.por.fl_str_mv Aprendizado de máquina
Deep learning com grafos
Graph deep learning
Machine learning
Modelagem de tópicos
Neural networks
Redes neurais
Topic modelling
topic Aprendizado de máquina
Deep learning com grafos
Graph deep learning
Machine learning
Modelagem de tópicos
Neural networks
Redes neurais
Topic modelling
description Graphs are data structures proper to represent real-world objects and their relationships having been widely studied in theory and with multiple examples of applications in industries and academic research. Applying graph-based data in machine learning had a significant advance with the proposal of Graph Neural Networks (GNNs), allowing the representation of this type of data in algorithms that can retain features from the graph without the need for preprocessing stage. This master\'s dissertation presents an analysis of GNNs and proposes an application on text classification using topic modelling to create descriptive variables in bi-partite graphs.
publishDate 2023
dc.date.none.fl_str_mv 2023-09-15
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/55/55137/tde-03012024-174804/
url https://www.teses.usp.br/teses/disponiveis/55/55137/tde-03012024-174804/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257764211982336

Registros relacionados