الوند فایلمس

فایل پایان نامه پیش بینی لینک در شبکه های اجتماعی با استفاده از شبکه های عصبی برای پروژه کارشناسی رشته مهندسی کامپیوتر گرایش نرم افزار، در 76 صفحه پی دی اف به صورت جامع و کامل با فرمت pdf آماده شده است.

توضیحات فایل پیش بینی لینک با استفاده از شبکه عصبی

چکیده

امروزه با افزایش محبوبیت شبکه های اجتماعی، تحلیل و بررسی این شبکه ها مورد توجه بسیاری از محققین در زمینه های مختلفی قرار گرفته است. با تاریخچه ای بالغ بر هفتاد سال، تحلیل شبکه های اجتماعی یک موضوع بین رشته ای میان رشته هایی مثل جامعه شناسی، ریاضیات و علوم کامپیوتر است که در علوم مختلف مانند جامعه شناسی، اقتصاد، علوم ارتباطی، روانشناسی، فیزیک و کامپیوتر کاربرد دارد. یکی از تحلیل هایی که در شبکه های اجتماعی صورت میگیرد، پیش بینی لینک (پیوند) است. در این مقاله روش های مختلف پیش بینی لینک به صورت مختصر ذکر شده اند.

هدف اصلی این پروژه پیش بینی لینک با استفاده از شبکه عصبی به خصوص شبکه عصبی گراف می باشد.

در این مقاله ما چارچوب جدید SEAL (یادگیری از زیرگراف ها، تعبیه ها و ویژگی ها) را برای پیش بینی لینک پیشنهاد دادیم. که ترکیبی از هر سه نوع روش در یک شبکه عصبی گراف واحد (GNN) هست.

GNN (شبکه عصبی گراف) نوع جدیدی از شبکه عصبی است که مستقیماً نمودارها (گرافها) را به عنوان ورودی می پذیرد و برچسب های آنها را به عنوان خروجی صادر میکند.

در SEAL، ورودی GNN یک زیر گراف محلی در اطراف هر لینک هدف است. ما به صورت تئوری اثبات میکنیم که زیر گراف های محلی ما نیز مقدار زیادی از نظم بالا و ویژگی های ساختار گراف که مربوط به وجود پیوند هست را حفظ میکند و در اختیار دارد.

یک ویژگی مهم دیگر این است که GNN به طور طبیعی میتواند ویژگی های نهفته و ویژگی های صریح را باهم ترکیب کند. این کار با به هم پیوستن تعبیه های گره (ویژگی های نهفته) و ویژگی های هر گره (ویژگی های صریح) در ماتریس اطلاعات برای هر زیر گراف انجام میشود؛ بنابراین ترکیب این سه نوع ویژگی قدرت یادگیری GNN را افزایش میدهد.

بر اساس آزمایش های گسترده، SEAL به طور بی سابقه ای در برابر طیف وسیعی از روش های پایه، از جمله روش های متفاوت پیش بینی لینک نظیر روش های اکتشافی (هیوریستیک) و روش های جاسازی شبکه عملکرد بسیار قوی را نشان داده است. همچنین در این مقاله ما پیش بینی لینک را برای شبکه نویسندگی مشترک با استفاده از شبکه عصبی گراف تجزیه و تحلیل نمودیم.

توضیحات بیشتر و دانلود