Doktorandprojekt: Vektorinbäddning för analys och visualisering av multivariata nätverk

Inom ramen för detta doktorandprojekt utforskas möjligheterna med vektorinbäddning som ett verktyg för automatisk och visuell analys av multivariata nätverk. Huvudfokus ligger på nya sätt att kombinera redan existerande inbäddningstekniker så att synergieffekter kan uppnås.

Fakta om projektet

Doktorand
Daniel Witschard
Huvudhandledare
Andreas Kerren
Biträdande handledare
Ilir Jusufi (BTH), Rafael Messias Martins, Kostiantyn Kucher (LiU)
Tidsplan
April 2020–April 2025
Ämne
Data- och informationsvetenskap (Institutionen för datavetenskap och medieteknik, Fakulteten för teknik)

Mer om projektet

Att analysera och visualisera stora multivariata nätverk (MVN) är en stor utmaning och kommer sannolikt att fortsätta vara det även under överskådlig framtid. Inom området för vektorinbäddning för MVN har många lovande framsteg gjorts de senaste åren, eftersom vektorrepresentation möjliggör en effektiv automatisk analys.

Trots det förefaller dock huvudmålet, att hitta effektiva sätt att omvandla ett MVN och all dess tillhörande data till vektorer, svårt att uppnå. Som en möjlig väg framåt föreslår vi ett nytt angreppssätt där strategin är att bädda in varje specifik egenskap var för sig, och sedan utveckla metodik för att kombinera de olika typerna av inbäddningar så att synergieffekter kan uppnås.

Doktorandprojektet utförs inom ramen för forskargruppen ISOVIS.