Núcleos gráficos: Estado del arte y retos futuros

Título original:

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

Contenido del libro:

Entre las estructuras de datos utilizadas habitualmente en el aprendizaje automático, los grafos son sin duda una de las más generales. Los grafos permiten modelizar objetos complejos, cada uno de los cuales puede ser anotado con metadatos. Sin embargo, cuestiones aparentemente sencillas, como determinar si dos grafos son idénticos o si un grafo está contenido en otro, son extraordinariamente difíciles de resolver en la práctica. Por eso, los métodos de aprendizaje automático que trabajan con grafos deben encontrar un equilibrio entre la trazabilidad computacional y la capacidad de aprovechar al máximo la información que transmite cada grafo. En los últimos 15 años, se han propuesto numerosos núcleos de grafos para resolver este problema, lo que permite realizar predicciones tanto en entornos de clasificación como de regresión.

Esta monografía ofrece una revisión de los núcleos gráficos existentes, sus aplicaciones, software y recursos de datos, así como una comparación empírica de los núcleos gráficos más avanzados. Se divide en dos partes: la primera se centra en la descripción teórica de los núcleos gráficos más comunes.

La segunda parte se centra en una evaluación empírica a gran escala de los núcleos de grafos, así como en una descripción de las propiedades deseables y los requisitos de los conjuntos de datos de referencia. Por último, los autores esbozan las tendencias futuras y los retos pendientes para los núcleos de grafos.

Escrito para todos los investigadores, profesionales y estudiantes de aprendizaje automático, Graph Kernels ofrece un estudio exhaustivo y perspicaz de los distintos núcleos de grafos disponibles en la actualidad. Ofrece al lector una tipología detallada y un análisis de los núcleos de grafos relevantes, al tiempo que expone las relaciones entre ellos y comenta su aplicabilidad a tipos de datos específicos. También incluye una evaluación empírica a gran escala de los núcleos de grafos.