استخراج خودكار ويژگي از شبكه‌هاي اجتماعي پويا

كارشناسي ارشد

يكي از مهم‌ترين شبكه‌هايي كه در عصر حاضر همواره در روابطي كه به‌صورت روزانه با ساير افراد در آن نقش داريم، شبكه‌هاي اجتماعي است. اين شبكه‌ها با رشد و گسترش شبكه جهاني وب وارد مرحله جديدتري شده است. با توجه به گوناگوني شبكه‌هاي اجتماعي مطالعه و شناخت ويژگي‌هاي اين شبكه‌ها نيازمند تخصص در حوزه‌هاي اجتماعي مختلف هست. بااين‌حال كشف و استخراج ويژگي‌ها به‌صورت دستي داراي چالش هاي مختلفي است. از جمله اين چالش ها ميتوان به عدم كشف برخي از ويژگي هاي مهم و تاثيرگذار در فرايند استخراج ويژگي به صورت دستي اشاره كرد كه درنتيجه آن باعث مي‌شود شناخت دقيقي از اين شبكه‌ها حاصل نگردد. در اين كار با استفاده از Node2Vec به عنوان روش تعبيه سازي گراف هاي ايستا، روشي بر اساس بروزرساني تعبيه هاي استخراج شده در طول زمان جهت تعبيه سازي گراف هاي پويا ارائه داديم. نوآوري ارائه شده در اين كار، تغيير مفهوم بروزرساني گراف از مفاهيم پايه مانند اضافه و حذف يال و گره به تغييرات ساختاري بود. براي اين كار ابتدا ويژگي هاي ساختاري كه در تاثير بيشتري در تعبيه سازي گراف را دارند با استفاده از روش هاي انتخاب ويژگي استخراج ميكنيم. سپس بر اساس ويژگي انتخاب شده و تغييرات در مقدار اين ويژگي در طول زمان، اقدام به بروز رساني بردار هاي تعبيه شده بر اساس روش skip-gram پويا مي‌كنيم. در اين كار ما توانستيم با استفاده از روش ارائه شده براي شبكه هاي اجتماعي پويا در مسئله پيش‌بيني ارتباطات، به طور متوسط 4درصد دقت بيشتر نسبت به الگوريتم هاي مشابه بدست آوريم. همچنين توانستيم به طور ميانگين تا 50 درصد در سرعت اجراي الگوريتم بهبود دهيم. در سال‌هاي اخير روش‌هاي تعبيه سازي گراف به‌عنوان يك روش براي بررسي ويژگي‌هاي گراف ارائه‌شده است. به‌صورتي كه هر گره در شبكه با يك بردار از ويژگي‌ها نمايش داده مي‌شود. درواقع هر درايه از اين بردار، معرف يك ويژگي از گره در شبكه هست.

195768

دانشگاه علم و صنعت ايران

مهندسي كامپيوتر

دكتر عين‌الله خنجري