Similarity algorithms for Heterogeneous Information Networks (2019)
- Authors:
- Autor USP: RIBEIRO, ANGÉLICA ABADIA PAULISTA - FFCLRP
- Unidade: FFCLRP
- Sigla do Departamento: 595
- Subjects: COMPUTAÇÃO APLICADA; CIÊNCIA DA COMPUTAÇÃO
- Agências de fomento:
- Language: Inglês
- Abstract: A maioria dos sistemas reais pode ser representada como um grafo de componentes multi-tipados com um grande número de interações. Redes de Informação Heterogênea (HIN) são estruturas interconectadas com dados de múltiplos tipos que suportam o rico significado semântico de tipos estruturais de nós e arestas. Nas HIN, diferentes informações podem ser apresentadas usando diferentes tipos e formas de dados, mas podem ter informações iguais ou complementares. Então, há conhecimento a ser descoberto. Estruturas de Conhecimento Terminológicos (TKS) como produtos terminológicos podem ser fontes de representações linguísticas e de conhecimento a ser usado para enriquecer a HIN e criar uma medida de similaridade para extrair os documentos similares entre si, mesmo que esses documentos sejam de tipos diferentes (por exemplo, encontrar os artigos médicos que de alguma forma estão relacionados com registros médicos). Nesse sentido, este trabalho apresenta o algoritmo NetworkCreator que cria uma Rede de Informações Heterogêneas utilizando medidas de similaridade clássicas, produtos de terminológicos e os atributos dos documentos. Nos experimentos, foram utilizados prontuários médicos e artigos científicos para construir a HIN e relacionar seus conteúdos. O algoritmo HeteSimTKSQuery também foi criado para calcular medidas de similaridade entre os documentos de diferentes tipos que se encontram na HIN. Produtos terminológicos com meta-caminhos também foram explorados. Os resultados semostraram eficientes, alcançando em média 89\\% de acurácia, em alguns casos. No entanto, é importante notar que todas as HIN apresentadas na literatura pesquisada foram construídas apenas por um tipo de dados proveniente de uma única fonte. Os resultados mostram que os algoritmos são viáveis para resolver os problemas de construção de HIN e busca de similaridade. Porém, eles ainda precisam de aperfeiçoamentos. Futuramente, pode-se trabalhar na detecção da granularidade dos nós destas redes e tentar reduzir o tempo de construção da rede
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2019
- Data da defesa: 28.01.2019
-
ABNT
RIBEIRO, Angélica Abadia Paulista. Similarity algorithms for Heterogeneous Information Networks. 2019. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/59/59143/tde-27022019-092802/. Acesso em: 03 fev. 2026. -
APA
Ribeiro, A. A. P. (2019). Similarity algorithms for Heterogeneous Information Networks (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de http://www.teses.usp.br/teses/disponiveis/59/59143/tde-27022019-092802/ -
NLM
Ribeiro AAP. Similarity algorithms for Heterogeneous Information Networks [Internet]. 2019 ;[citado 2026 fev. 03 ] Available from: http://www.teses.usp.br/teses/disponiveis/59/59143/tde-27022019-092802/ -
Vancouver
Ribeiro AAP. Similarity algorithms for Heterogeneous Information Networks [Internet]. 2019 ;[citado 2026 fev. 03 ] Available from: http://www.teses.usp.br/teses/disponiveis/59/59143/tde-27022019-092802/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
