|
Title
|
پيش بيني پيوند بر مبناي روش هاي يادگيري عميق
|
|
Type
|
Thesis
|
|
Keywords
|
پيش بيني پيوند، تكميل گراف دانش، يادگيري عميق، مبدل ها، شبكه پيچشي
|
|
Abstract
|
زمينه: پي شبي ني پي وند يكي از مهمتر ين زمينههاي تحقيقاتي در تحليل انواع شبكهها، از جمله
شبكههاي اجتماعي، شبكههاي ب يولوژيكي و نمودارها ي دانش است. ا ين زمينه به دنبال شناسايي
روابط مفقود شده يا پ يشب يني روابط آينده در گرافها است. تكميل نمودار دانش به عنوان يكي
از مسائل ز يرمجموعه در اي ن حوزه، به شناسايي و پر كردن گرهها و روابطي كه در نمودار دانش
مفقود هستند، ميپردازد. ا ين موضوع به خاطر كاربردها ي فراوان خود در سيستمهاي
پرسشوپاسخ هوشمند، جستجوي هوشمند، توصيهدهندهها و مديري ت دادهها، اهميت ويژها ي
دارد.
هدف: هدف اي ن پژوهش، ارائه يك روش مؤثر براي حل مسئله تكميل نمودار دانش با استفاده
از روشهاي يادگير ي عمي ق است. در اي ن راستا، سعي شده است تا با بهرهگي ري از معماريها ي
پيشرفته يادگي ري عمي ق، مانند مدلهاي رمزگذار -رمزگشا عملكرد پيشبيني پي وند بهبود يابد و
همزمان به كاهش پيچيدگي محاسباتي ن يز كمك كند. مدل پيشنهادي قابليت تعبيه موجودي تها
و رابطهها در ابعاد پايي ن را دارد و با اين كار به دقت باالتر ي در تشخيص روابط مفقود شده در
نمودار دانش دست مييابد .
روششناسي: تركي بي از روشهاي يادگي ري عمي ق برا ي حل مسئله تكميل نمودار دانش استفاده
شده است. معماري پي شنهادي شامل يك مدل رمزگذار -رمزگشا بر پايه مبدلها است كه از
سازوكار توجه برا ي درك وابستگيها ي بلندمدت بي ن موجوديتها و روابط استفاده ميكند. عالوه
بر اي ن، از شبكههاي پيچشي برا ي استخراج وي ژگيها ي محلي از بردارهاي تعبيه موجودي تها و
روابط استفاده شده است. اي ن تركي ب به مدل اجازه ميدهد تا هم از مزا ياي سازوكار توجه و هم
از مزاياي شبكههاي پيچشي بهرهبرداري كند. مجموعه دادههاي مورد استفاده در اي ن پژوهش
شامل -237k15FB، -995NELL و RR18WN هستند كه به عنوان معيارها ي استاندارد در
ب
حوزه تكم يل نمودار دانش شناخته ميشوند. براي ارزيابي مدل پيشنهادي، از معيارهاي متداول
در اين حوزه مانند k@Hits، و ميانگين رتبه متقابل (MRR (استفاده شده است. اي ن معيارها
به دقت و كيفي ت پيشبينيها ي مدل در رتبهبندي موجودي تها و روابط ميپردازند.
يافتهها : روش پ يشنهادي، شامل يك معماري رمزگذار- رمزگشا بر پايه مبدلها، عملكرد بهتر ي
نسبت به روشهاي سنتي و حتي برخي از روشهاي پيشرفتهتر در حوزه تكميل نمودار دانش
دارد. اين روش نه تنها دقت پي شبي ني پي وند
|
|
Researchers
|
MOHAMMAD kazemi (Student) , Ebrahim Sahafizadeh (First primary advisor) , Habib Rostami (Advisor)
|