ارائه روشی برای پیش بینی لینک در شبکه های اجتماعی با استفاده از روش های یادگیری عمیق
- سال انتشار: 1399
- محل انتشار: سومین کنفرانس بین المللی مهندسی برق، کامپیوتر و مکانیک
- کد COI اختصاصی: ELCM03_080
- زبان مقاله: فارسی
- تعداد مشاهده: 830
نویسندگان
ارشد مهندسی کامپیوتر گرایش نرم افزار دانشگاه تهران پردیس بین الملل کیش
چکیده
شبکه های اجتماعی شبکه هایی دینامیک هستند که مدام در حال افزایش اعضا و ارتباطات و لینک های بین آنها هستند و متاسفانه این لینک ها ممکن است به خاطر فرآیند ایجاد ناقص و یا به خاطر این که این هنوز در این شبکه ها انعکاس نیافته اند، از دست برود. در رابطه با این لینک ها و ارتباطات مساله پیش بینی لینک که یک امر مهم برای تحلیل شبکه های اجتماعی است، اهمیت پیدا می کند .این مساله به معنی پیش بینی احتمال برقراری یک ارتباط بین دو رأس است ، با دانستن این مساله که در حال حاضر ارتباطی بین این دو رأس وجود ندارد. سه رویکرد برای انجام پیش بینی لینک وجود دارد: اولین رویکرد مدل های سنتی است که مجموعه ای از ویژگی ها را برای آموزش یک مدل دسته بندی باینری استخراج می کند. دومی رویکردهای احتمالاتی است که احتمال الحاق موجودیت ها در یک شبکه اجتماعی را با استفاده از مدل های گرافیکی بیزین مدل می کند و سومین رویکرد ،رویکردهای جبرخطی-آماری است. برای بهبود پیش بینی دسته بندی می توان چهار راهکار ارایه داد: استخراج ویژگی ، گسترش ساختاری ،یادگیری محلی و گسترش داده ها. در این تحقیق با استفاده از استخراج ویژگی ها که یکی از مراحل پیش پردازش داده ها می باشد ، به بهبود دسته بندی ها می پردازیم. در روش ارائه شده از الگوریتم های متاهیورستیک مبتنی بر جمعیت از قبیل شبکه عصبی و الگوریتم ژنتیک برای جستجوی زیرمجموعه ویژگی ها استفاده کردیم و برای بهبود پیش بینی ها از داده های شبکه ی اجتماعی Facebook استفاده می کنیم .کلیدواژه ها
شبکه های اجتماعی، پیش بینی لینک، الگوریتم ژنتیک، یادگیری عمیق، استخراج ویژگیمقالات مرتبط جدید
- توسعه مبدل حرارتی داخلی ( IHX ) از طریق تغییر فرآیند ساخت و تولید لوله های گاز کولر در صنعت خودروسازی
- بهبودعملکرد سیکل تبرید تراکمی با تغییر فرآیند ساخت مبدل SLHX از آرایش مماسی به هم مرکز
- بررسی تاثیر لایه میانی روی در اتصال غیر مشابه آلیاژ پایه منیزیم AZ۳۱ و آلومینیوم ۶۰۶۱ به روش جوشکاری اصطکاکی اغتشاشی نقطهای
- بررسی تجربی سوراخکاری کامپوزیتهای پلیمری: مقایسه جوت و شیشه
- سیستم هوشمند پایش وضعیت بلبرینگ با استفاده از طیفنگاره صوتی جهت طبقهبندی و تشخیص خطای بلبرینگ ها
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.