تکنیک های مبتنی بر شبکه های عصبی گراف به منظور خلاصه سازی گراف های بزرگ مقیاس

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 99

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CONFIT01_0565

تاریخ نمایه سازی: 4 مهر 1403

چکیده مقاله:

خلاصه سازی گراف یک وظیفه کلیدی در مدیریت گراف های بزرگ مقیاس است که در برنامه های جدید مانند شبکه های اجتماعی ، گراف های دانش ، سیستم های توصیه گر و بیوانفورماتیک و.. کاربرد دارد. با این حال، خلاصه سازی گراف ها به دلیل ماهیت پیچیده و تنوع ساختاری گراف های دنیای واقعی یک مشکل چالش برانگیز است . هدف این مقاله ارائه مروری دقیق ازآخرین پیشرفت ها در روشهای خلاصه سازی گراف می باشد. این مطالعه طیف گستردهای از تکنیک ها، از جمله رویکردهای متعارف و مبتنی بر یادگیری عمیق ، با تاکید ویژه بر شبکه های عصبی گراف را پوشش می دهد. با ترکیب و ارزیابی مزایا و محدودیت های تکنیک های مختلف ، چالش های مهم و راههای مطلوب برای تحقیقات آینده در این زمینه برجسته می شود. این پژوهش برای محققان و متخصصانی که روی خلاصه سازی گراف کار می کنند سودمند بوده و آنها را قادر می سازد تا روشهای مناسب و الگوریتم های جدیدی طراحی کنند که بتواند به صورت موثر گراف های بزرگ و پیچیده را برای کاربردهای مختلف خلاصه سازی نماید.

کلیدواژه ها:

خلاصه سازی گراف ، بزرگ مقیاس ، شبکه های عصبی گراف

نویسندگان

پرویز قربانزاده

گروه مهندسی فناوری اطلاعات، دانشکده فناوری های صنعتی، دانشگاه صنعتی، ارومیه، ایران

سمیرا کرامت طلاتپه

گروه کامپیوتر، واحد میانه، دانشگاه آزاد اسلامی، میانه، ایران

مهدی زینالی

گروه کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران

عهدیه قربانزاده

محقق پارک علم و فناوری استان آذربایجان غربی، ارومیه، ایران