his.sePublikasjoner
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Complex Data Analysis
Högskolan i Skövde, Institutionen för informationsteknologi. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (Skövde Artificial Intelligence Lab (SAIL))
Högskolan i Skövde, Institutionen för informationsteknologi. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (Skövde Artificial Intelligence Lab (SAIL))ORCID-id: 0000-0003-2973-3112
Högskolan i Skövde, Forskningscentrum för Informationsteknologi. Högskolan i Skövde, Institutionen för informationsteknologi. (Distribuerade realtidssystem (DRTS), Distributed Real-Time Systems)ORCID-id: 0000-0002-5223-4381
Högskolan i Skövde, Institutionen för informationsteknologi. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (Skövde Artificial Intelligence Lab (SAIL))ORCID-id: 0000-0003-2128-7090
Vise andre og tillknytning
2019 (engelsk)Inngår i: Data science in Practice / [ed] Alan Said, Vicenç Torra, Springer, 2019, s. 157-169Kapittel i bok, del av antologi (Fagfellevurdert)
Abstract [en]

Data science applications often need to deal with data that does not fit into the standard entity-attribute-value model. In this chapter we discuss three of these other types of data. We discuss texts, images and graphs. The importance of social media is one of the reason for the interest on graphs as they are a way to represent social networks and, in general, any type of interaction between people. In this chapter we present examples of tools that can be used to extract information and, thus, analyze these three types of data. In particular, we discuss topic modeling using a hierarchical statistical model as a way to extract relevant topics from texts, image analysis using convolutional neural networks, and measures and visual methods to summarize information from graphs.

sted, utgiver, år, opplag, sider
Springer, 2019. s. 157-169
Serie
Studies in Big Data, ISSN 2197-6503, E-ISSN 2197-6511 ; 46
HSV kategori
Forskningsprogram
Skövde Artificial Intelligence Lab (SAIL); Distribuerade realtidssystem (DRTS)
Identifikatorer
URN: urn:nbn:se:his:diva-16811DOI: 10.1007/978-3-319-97556-6_9ISI: 000464719500010ISBN: 978-3-319-97556-6 (digital)ISBN: 978-3-319-97555-9 (tryckt)OAI: oai:DiVA.org:his-16811DiVA, id: diva2:1306620
Tilgjengelig fra: 2019-04-24 Laget: 2019-04-24 Sist oppdatert: 2019-09-30bibliografisk kontrollert

Open Access i DiVA

Fulltekst mangler i DiVA

Andre lenker

Forlagets fulltekst

Personposter BETA

Bae, JuheeKarlsson, AlexanderMellin, JonasStåhl, NiclasTorra, Vicenç

Søk i DiVA

Av forfatter/redaktør
Bae, JuheeKarlsson, AlexanderMellin, JonasStåhl, NiclasTorra, Vicenç
Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetric

doi
isbn
urn-nbn
Totalt: 649 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf