سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

طبقه بندی گره ها در گراف های اجتماعی پیچیده با استفاده از ترکیب تعبیه های گراف دانش و شبکه عصبی کانولوشنی

نویسندگان :

سید محمدرضا حسن زاده کلگان¹ پیمان عاربی²

1- آموزشکده فنی و حرفه‌ای پسران بوشهر 2- آموزشکده فنی و حرفه‌ای پسران بوشهر

کلمات کلیدی :

رده بندی گره ها،یادگیری ویژگی،استخراج ویژگی،کاهش ابعاد،یادگیری نیمه نظارتی

چکیده :

تعاملات میان انسان‌ها و محیط پیرامون آن‌ها، شامل موجودات زنده و غیرزنده، از طریق تحلیل شبکه‌های اجتماعی (SNA) قابل بررسی است. مسائل مهمی مانند رده‌بندی گره‌ها و شناسایی جوامع، همچنان از چالش‌های باز و فعال در این حوزه تحقیقاتی هستند. به همین دلیل، تحلیل شبکه‌های اجتماعی به حوزه‌ای جذاب و پرکاربرد در مطالعات هوش مصنوعی (AI) تبدیل شده است. اطلاعات ذاتی موجود در ساختار شبکه‌های اجتماعی می‌توانند برای آموزش مدل‌های یادگیری ماشین به‌منظور حل این مسائل به کار گرفته شوند. برای تحلیل بهتر شبکه، باید ویژگی‌های فردی کنشگران اجتماعی و الگوهای ارتباطی میان آن‌ها مورد توجه قرار گیرند، چرا که این عوامل، ساختار، ویژگی‌ها و پویایی شبکه را مشخص می‌کنند. در این پژوهش، ما چارچوبی نوآورانه با عنوان RLVECN، یعنی یادگیری بازنمایی از طریق تعبیه‌های گراف دانش و شبکه عصبی کانولوشنی، ارائه کرده‌ایم. این مدل با استفاده از نمونه‌برداری از یال‌ها و یادگیری زمینه هر گره در ارتباط با گره‌های همسایه، بردارهای تعبیه‌ای کم‌بعد ایجاد می‌کند. سپس این بردارها به‌عنوان ویژگی ورودی به یک طبقه‌بند پایین‌دستی برای انجام وظایف رده‌بندی و شناسایی جوامع داده می‌شوند. چارچوب ما روی داده‌های واقعی شبکه‌های اجتماعی آزمایش شده و نتایج قابل قبولی به‌دست آورده است.