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

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.