پیش بینی پیوند با استفاده از روشهای یادگیری نظارت شده در شبکه DBLP

Authorsمحمد ملک محمدی,مسعود نیک پرور,محمدجواد نصری لوشانی,مهدی وحیدی پور,جواد سلیمی سرتختی
Conference Titleکنفرانس ملی آخرین دستاوردهای مهندسی داده و دانش و محاسبات نرم
Holding Date of Conference۲۰۲۱-۰۹-۲۱ - ۲۰۲۱-۰۹-۲۱
Event Place1 - شهر کرد
Presented byدانشگاه شهر کرد
PresentationSPEECH
Conference LevelNational Conferences

Abstract

حل مسائل شبکه های اجتماعی در سالهای اخیر توجه زیادی را به خود جلب کرده است و پیش بینی پیوند یکی از آن مسائل است. پیش بینی آن که پیوندی میان دو عضو از شبکه در آینده نزدیک به وجود می آید یا خیر. یکی از روشهای حل مسأله پیش بینی پیوند، یادگیری ماشین و استفاده از روشهای یادگیری نظارت شده است. در این روشها وجود پیوند بین دو عضو از شبکه با استفاده از ویژگیهای آنها پیش بینی می شود. یادگیری ماشین روی هر جفت از اعضا یک برچسب را در نظر می گیرد: برچسب مثبت بر وجود پیوند( و برچسب منفی و عدم وجود پیوند). بر این ساس یاد میگیرد تا بر اساس ویژگیهای دریافتی، برچساب پیوند میان دو عضو را تعیین کند. شبکه استفاده شده در این مقاله شبکه DBLP است که شامل اطلاعات نویسندگان و مقالات آنان می باشد. در این مقاله برای حل مسأله پیش بینی پیوند، از روشهای تلفیقی و Ensemble استفاده شده است. همچنین برای ارزیابی روشهای مختلف یادگیری و مقایسه ویژگیهای مرتبط با یک جفت از نویسندگان، آزمایش هایی طراحی شده است که نشاان میدهد ویژگیهای تعریف شده بر اساس شبکه عناوین مقالات ارزش بیشتری دارند .

Paper URL

tags: شبکه های غیرجهت دار، ویژگیهای ساختاری، شبکه همکاری نویسندگان، معیارهای مبتنی بر همسایگی، الگوریتم های طبقه بندی، یادگیری ماشین، word2vec