Výsledky vyhledávání - "Frisch, Gabriel"

Report

Learning from missing data with the Latent Block Model

Autor: Frisch, Gabriel, Léger, Jean-Benoist, Grandvalet, Yves

Missing data can be informative. Ignoring this information can lead to misleading conclusions when the data model does not allow information to be extracted from the missing data. We propose a co-clustering model, based on the Latent Block Model, tha

Externí odkaz: http://arxiv.org/abs/2010.12222

Zobrazit plný text záznamu

SparseBM: A Python Module for Handling Sparse Graphs with Block Models

Autor: Frisch, Gabriel, Leger, Jean-Benoist, Grandvalet, Yves

The stochastic and latent block models are clustering and coclustering tools that are commonly used for network analyses, such as community detection or collaborative filtering. We present a variational inference algorithm for the stochastic block mo

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::03e7c388ddb8e9bb4f20a4f417abb5b5
https://hal.archives-ouvertes.fr/hal-03139586

Zobrazit plný text záznamu

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Inférence efficace des modèles à blocs stochastiques et à blocs latents pour les graphes creux

Autor: Frisch, Gabriel, Leger, Jean-Benoist, Grandvalet, Yves

Publikováno v: 52èmes Journées de Statistiques de la Société Française de Statistique (SFdS)
52èmes Journées de Statistiques de la Société Française de Statistique (SFdS), May 2020, Nice, France

National audience; Nous présentons un algorithme d'inférence variationnelle pour les modèles à blocs stochastiques et à blocs latents pour les graphes creux, qui tire parti de la rareté des arêtes pour passer à l'échelle sur un très grand n

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::9c293d3f685d93697598ea3394ffd3bd
https://hal.archives-ouvertes.fr/hal-02973828

Zobrazit plný text záznamu

Co-clustering for fair recommendation

Autor: Frisch, Gabriel, Leger, Jean-Benoist, Grandvalet, yves

Collaborative filtering relies on a sparse rating matrix, where each user rates a few products, to propose recommendations. The approach consists to approximate the sparse rating matrix with a simple model whose regularities allow to fill in the miss

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::e4542a2412c61648fab7c001c83bf39a
https://hal.archives-ouvertes.fr/hal-03239856v1/file/fair_coclust.pdf

Zobrazit plný text záznamu

Données manquantes dans un modèle à blocs latents pour la recommandation

Autor: Frisch, Gabriel, Leger, Jean-Benoist, Grandvalet, Yves

Publikováno v: 51es Journées de statistique de la SFdS (jds 2019)
51es Journées de statistique de la SFdS (jds 2019), Jun 2019, Nancy, France

National audience; Nous présentons un modèle statistique basé sur le LBM pour réaliser une recommandation sociale. Le modèle utilise des variables latentes pour modéliser un pro-cessus de manquement de données de type NMAR. Mots-clés. Recomma

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::1cc286ff9d82d87ca29cd8cb3f404548
https://hal.archives-ouvertes.fr/hal-02484713

Zobrazit plný text záznamu

Vyhledávací nástroje:

Upřesnit hledání