طبقه بندی گره ها در گراف های استنادی با استفاده از شبکه های عصبی گراف

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 273

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-12-1_010

تاریخ نمایه سازی: 30 خرداد 1403

چکیده مقاله:

گراف ها، داده هایی هستند که روابط پیچیده بین موارد مختلفی مانند اینترنت، شبکه اجتماعی، شبکه کتابشناختی و مانند آن را در دنیای واقعی توصیف می کنند. یکی از مواردی که امروزه افراد بسیاری با آن سر و کار دارند، شبکه های اجتماعی آنلاین می باشد. نمایش گراف شبکه های اجتماعی آنلاین نظیر توییتر، وی چت و فیس بوک امروزه با کمتر از میلیاردها گره امکان پذیر نمی باشد و من باب همین موضوع، مطالعه داده های شبکه در مقیاس بزرگ برای محققان را به یک امر ضروری تبدیل کرده است. در مورد شبکه های اجتماعی، کاربران آنلاین اغلب اطلاعات محدودی دارند؛ اما برای ارائه دهندگان خدمات رسانه های اجتماعی، اطلاعات گره کاربر مانند علاقه، اعتقادات یا ویژگی های دیگر برای سفارشی کردن خدمات آن ها برای کاربران در بسیاری از برنامه ها مانند توصیه ها و جستجوی شخصی بسیار مهم است و آن را به یک چالش برای ارائه دهندگان خدمات تبدیل کرده است. یک راه موثر برای مقابله با این چالش، استنتاج اطلاعات گمشده کاربر با استفاده از ساختارهای شبکه ای فراگیر در رسانه های اجتماعی است. یکی از مهم ترین استنتاج ها در داده کاوی و تحلیل شبکه، طبقه بندی گره ها است که هدف آن استنتاج برچسب های گمشده گره ها بر اساس گره های برچسب گذاری شده و ساختار شبکه است. در این پژوهش وظیفه طبقه بندی گره ها بر روی مجموعه داده های شبکه استنادی PubMedDiabetes، CiteSeer و Cora با استفاده از شبکه های عصبی گراف GraphSAGE، GCN و GAT مورد بررسی قرار داده شده است و به صورت کلی نتیجه حاصل شده است که شبکه عصبی گراف GraphSAGE بر روی مجموعه داده های شبکه استنادی ذکرشده برای وظیفه طبقه بندی گره ها به خوبی عمل می کند.

کلیدواژه ها:

طبقه بندی گره ها ، شبکه های عصبی گراف ، مجموعه داده های شبکه استنادی

نویسندگان

حسین حسینی

دانشجوی کارشناسی ارشد، دانشگاه جامع امام حسین (ع)، تهران، ایران

میثم میرزایی

دانشجوی دکتری، دانشگاه جامع امام حسین (ع)، تهران، ایران

محمد علی جواد زاده

استادیار، دانشگاه جامع امام حسین (ع)، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :