Probabilistic relational models learning from graph databases

Probabilistic relational models learning from graph databases

Historiquement, les Modèles Graphiques Probabilistes (PGMs) sont une solution d apprentissage à partir des données incertaines et plates, appelées aussi données propositionnelles ou représentations attribut-valeur. Au début des années 2000, un grand intérêt a été adressé au traitement des données re...

Description complète

Détails bibliographiques
Auteurs principaux : El Abri Marwa (Auteur), Leray Philippe (Directeur de thèse), Essoussi Nadia (Directeur de thèse), Ben Amor Nahla (Président du jury de soutenance), Givry Simon de (Rapporteur de la thèse), Lachiche Nicolas (Rapporteur de la thèse), Mazer Emmanuel (Membre du jury)
Collectivités auteurs : Université de Nantes 1962-2021 (Organisme de soutenance), Université de Tunis 1958-1988 (Organisme de cotutelle), École doctorale Mathématiques et sciences et technologies de l'information et de la communication Rennes (Ecole doctorale associée à la thèse), Université Bretagne Loire 2016-2019 (Autre partenaire associé à la thèse), Laboratoire des Sciences du Numérique de Nantes (Laboratoire associé à la thèse)
Format : Thèse ou mémoire
Langue : anglais
Titre complet : Probabilistic relational models learning from graph databases / Marwa El Abri; sous la direction de Philippe Leray et de Nadia Essoussi
Publié : 2018
Accès en ligne : Accès Nantes Université
Note sur l'URL : Accès au texte intégral
Note de thèse : Thèse de doctorat : Informatique et applications : Nantes : 2018
Thèse de doctorat : Informatique et applications : Université de Tunis : 2018
Sujets :
Modèles relationnels probabilistes
Markov, Processus de
Bases de données graphe
Données partiellement structurées
Thèses et écrits académiques
Table des matières indisponible