I grafici: Stato dell'arte e sfide future

Titolo originale:

Graph Kernels: State-Of-The-Art and Future Challenges

Contenuto del libro:

Tra le strutture di dati comunemente utilizzate nell'apprendimento automatico, i grafi sono probabilmente una delle più generali. I grafi consentono di modellare oggetti complessi, ciascuno dei quali può essere annotato con metadati. Tuttavia, domande apparentemente semplici, come determinare se due grafi sono identici o se un grafo è contenuto in un altro grafo, sono notevolmente difficili da risolvere nella pratica. I metodi di apprendimento automatico che operano sui grafi devono quindi confrontarsi con l'esigenza di bilanciare la trattabilità computazionale con la capacità di sfruttare il più possibile le informazioni veicolate da ciascun grafo. Negli ultimi 15 anni sono stati proposti numerosi kernel di grafi per risolvere questo problema, rendendo così possibile effettuare previsioni sia in ambienti di classificazione che di regressione.

Questa monografia fornisce una rassegna dei kernel a grafo esistenti, delle loro applicazioni, del software e delle risorse di dati, nonché un confronto empirico dei kernel a grafo più avanzati. È divisa in due parti: la prima si concentra sulla descrizione teorica dei graph kernel più comuni.

La seconda parte si concentra su una valutazione empirica su larga scala dei kernel a grafo, nonché su una descrizione delle proprietà desiderabili e dei requisiti per i set di dati di riferimento. Infine, gli autori delineano le tendenze future e le sfide aperte per i kernel a grafo.

Scritto per tutti i ricercatori, i professionisti e gli studenti di apprendimento automatico, Graph Kernels fornisce un'indagine completa e approfondita dei vari kernel a grafo oggi disponibili. Fornisce al lettore una tipologia dettagliata e un'analisi dei kernel a grafo rilevanti, esponendo le relazioni tra di essi e commentando la loro applicabilità a tipi di dati specifici. È presente anche una valutazione empirica su larga scala dei kernel a grafo.