반응형 분류 전체보기359 Vector, Matrix 기본(1) ## Vector 벡터는 기본적으로 종벡터 형식으로 표현한다. ex) \( (1,2)^T \) 이러한 벡터로 이뤄진 것을 벡터공간(Vector space) 라고 한다. 벡터 공간을 나타내면 다음 사진과 같다. 벡터는 방향성 해석을 중요시 한다. 따라서 위 그림에서 보면 A-> B 로 가는건 \( \vec{a} \) 로 나타낸다. 그래서 이런 방향성을 생각해서 vector space에서 \( \vec{a} + \vec{b} \) 를 계산하면 A -> C 로 가는 선이 된다. ## 기저(biasis) 기저 (biasis)는 어떤 벡터공간 V의 벡터들이 선형독립이면서 벡터공간 V 전체를 생성할 수 있다면 이 벡터들의 집합을 말한다. 즉, 선형 결합으로 이뤄지고 유일한 해를 가질 때 biasis라고 한다. 선형.. 2021. 12. 24. AI-HUB 아이디어 경진대회 2021 (Public 부분 최우수상 후기) https://aihub.or.kr/problem_contest/51116 2021 인공지능 데이터 활용 경진대회 | AI 허브 2021 인공지능 데이터 활용 경진대회 aihub.or.kr AI-Hub에서 주최하는 2021 인공지능 데이터 활용 경진대회에서 최우수상을 수상한 아이디어에 대한 후기를 작성한다. ## 1차 예선 1차 예선은 아이디어의 실현 가능성과 참신성을 평가한다. 이 과정에서 문서의 정갈한 정리와 소위 말하는 윗분들이 좋아하는 형식으로 적어야한다. 또한, 평가항목에 맞게 정확한 섹션을 나눠서 정리하는 것이 가장 좋다. ### 목적 및 필요성 부분 특히 아이디어 계획서에서 가장 중요한 것은 필요성이다. 원래 어떤 문제점이 있었고, 이 아이디어를 통해 문제점을 해결할 수 있을지를 통계적 지표.. 2021. 12. 21. Lovain Algorithm ## Lovain Algorithm 앞서 설명한 Newman Method(2021.12.08 - [Graph Mining] - Newman Method ) 는 computing power가 많이 드는 문제점이 있었다. 반면에 Lovain Algoritm은 빠른 community detection 방법이다. 이는 greedy algorithm 기반으로 O(nlogn)의 시간 복잡도를 갖고 있다. 또한 Lovain Algorithm은 weighted graph와 hierarchial community에 모두 동작한다. 동작과정은 간단하게 보면 다음과 같다. modularity optimization -> community aggreation -> 1st pass -> 2nd pass ## 동작과정 1단계 처.. 2021. 12. 8. Newman Method ## Newman Method Newman Method는 Edge Betweenness를 이용한 communities detection method 이다. 여기서 edge betweenness는 betweenness centrality(2021.12.08 - [Graph Mining] - Centrality)의 edge 버전이라고 생각하면 된다. 즉, 두 community를 연결해주는 weak edge가 betweenness centrality가 가장 높다. Newman Method는 undirected, unweighted network에서만 동작한다. 이 method의 진행과정은 다음과 같다. 모든 edge에 대해서 edge betweenness를 계산 가장 값이 높은 것을 제거 connected c.. 2021. 12. 8. Communities ## Granovetter's theory Granovetter's의 이론에서 edge에 대한 연결이 정의된다. 1. structure : strong한 관계와 weak한 관계가 있다.(여기서 weak는 존재는 하지만 밀집되어서 있지 않는 노드들) 2. infromation : weak 부분이 정보를 교류하게 할 수 있는 중요한 역할을 한다. 위 그림을 보면 직관적으로 이해할 수 있을 것이다. ## Edge Overlap node i 에서 node j 로 갈 때 경로 경우의 수가 많으면 edge overlap이 높다고 표현한다. 이 때 i와 j의 직접연결은 제외한다. (weak edge는 edge overlap이 낮다) Edge overlap은 다음 수식을 따른다. $$ O_{ij} = \frac{| N.. 2021. 12. 8. Centrality ## Centrality graph에서 중앙 역할을 하는 node(= 중요한 역할을 함) 그럼 중앙 역할의 의미가 무엇일까? 이는 중앙 역할의 정의에 따라 달라진다. 이러한 Centrality의 종류는 4가지가 있다. Degree Centrality : 많은 degree를 가진 노드가 중요할 것 Closeness centrality : 관계 중요도(weight) 기반 Betweennewss Centrality : Dense와 Dense를 연결해주는 subnetwork 노드 Eigenvector Centrality : 큰 네트워트를 연결 ## Degree Centrality 많은 degree를 가진 노드가 가장 중요할 것이다라는 생각에서 파생된 개념 Degree Centrality는 다음과 같이 계산된다 .. 2021. 12. 8. 이전 1 ··· 6 7 8 9 10 11 12 ··· 60 다음 반응형
