ارايه ي روشي جهت برچسب گذاري گره هاي گراف شبكه اجتماعي با استفاده از ساختار همسايگي گره ها

كارشناسي ارشد

چكيده با رشد روز افزون شبكه¬هاي اجتماعي و نيز نقش آن¬ها در تبادل اطلاعات، امروزه در اين حوزه با حجم بسيار بالاي داده¬ها مواجه هستيم. با توجه به نامشخص بودن داده¬هاي شبكه به دلايلي همچون وارد نكردن اطلاعات به طور كامل توسط كاربر، برچسب بسياري از كاربران مشخص نمي‌باشد. ازآنجاكه تعيين برچسب داده¬ها منجر به يافتن الگوهاي خاص و باارزش در زمينه¬هاي كاربردي مختلف همچون بازاريابي و كسب‌وكار مي¬شود لذا روش¬هاي كاوش از جمله رده¬بندي به‌منظور تعيين برچسب اين داده¬ها موردنياز مي¬باشند. آنچه كه در طراحي يك رده¬بند خودكار از اهميت بالايي برخوردار است، پايگاه داده¬اي است كه در فاز آمورش استفاده مي‌شود. پايگاه داده آموزشي موجود متشكل از داده¬هاي برچسب‌دار و بدون برچسب مي‌باشد. جمع‌آوري نمونه-هاي برچسب¬دار معمولاً سخت، هزينه¬بر و زمان¬بر هستند. درحالي‌كه جمع¬آوري داده¬هاي بدون برچسب نسبتاً آسان و كم‌هزينه مي¬باشد. در روش¬هاي سنتي رده¬بندي فقط مجموعه داده¬هاي برچسب¬دار به عنوان داده¬هاي آموزشي جهت آموزش رده¬بند¬ها مورد استفاده قرار مي¬گرفتند. اما نحوه توزيع نمونه‌هاي بدون برچسب در كنار نمونه‌هاي برچسب¬دار باعث بهبود دقت رده‌بندي مي‌شوند. بنابراين در سازوكار پيشنهادي جهت رده¬بندي از روش نيمه¬نظارتي مبتني بر گراف استفاده شده است. يكي از روش¬هاي مهم نيمه¬نظارتي مبتني برگراف الگوريتم انتشار برچسب مي¬باشد. روش انتشار برچسب بر روي يك گراف شباهت اعمال مي¬شود كه تنها از ويژگي¬هاي پروفايلي براي محاسبه شباهت دو گره استفاده شده است ما در روش ارائه شده در اين سازوكار از هر دو ويژگي ساختاري و پروفايلي جهت ساخت گراف شباهت استفاده مي¬كنيم. مسئله ديگر وجود ناهمگوني در كلاس برچسب مي¬باشد كه در جهان واقعي دو نوع ارتباط بين دو فرد با برچسب مشابه ومتفاوت وجود دارد درحالي كه در روش پيشين تنها نوع مشابه را در نظر گرفته-اند. بنابراين عدم توجه به اين مهم خود موجب كاهش دقت رده¬بند خواهد شد براي حل اين چالش در سازوكار پيشنهادي جهت تعيين ميزان اثر برچسب انتقالي با توجه به نوع ارتباط پيش رو از ماتريسي تحت عنوان ماتريس وابستگي استفاده شده است. كه اين ماتريس با استفاده از دو نوع ارتباط محاسبه شده است. با اعمال سازوكار پيشنهادي بر روي مجموعه داده Pokec ملاحظه شد كه سازوكار پيشنهادي تا حد مطلوبي موجب افزايش دقت رده¬بندي شده است. واژه¬هاي كليدي: رده¬بندي نيمه نظارتي، مبتني بر گراف، ويژگي ساختاري، انتشار برچسب

195024

دانشگاه علم و صنعت ايران

نرم افزار

دكتر عين اله خنجري