8296

شبكه هاي عصبي گرافي و كاربردها

كارشناسي

مهندسي كامپيوتر

1401

حسين رحماني

مرضيه ملكي مجد

1401/11/12

مهندسي كامپيوتر

Graph Neural Networks and applications

در سال‌هاي اخير، شبكه‌هاي عصبي گرافي بسيار مورد توجه قرار گرفته‌اند و توانسته‌اند نتايج بسيار خوبي را در ديتاست‌هاي غيرساختارمند نمايش دهند. به خصوص در داده‌هايي كه مي‌توانند ساختار گرافي از خود نشان دهند؛ همانند شبكه‌هاي اجتماعي، ساختارهاي پروتئيني، وب‌سايت‌هاي اينترنتي، شبكه‌ي اينترنت و... با وجود استفاده‌ي گسترده از اين شبكه‌ها، هم‌چنان جاي خالي آن‌ها در بسياري از موضوعات احساس مي‌شود. تحقيقات نشان داده است كه تركيب داروها در مقايسه با تجويز دارو به صورت منفرد در معالجه‌ي بيماري‌هاي پيچيده مانند سرطان، فشار‌ خون و بيماري‌هاي مسري، اثربخشي بيشتر و عوارض جانبي كمتري را به ‌همراه دارد و توجه محققان و شركت‌هاي دارويي بسياري را به خود جلب كرده است. تاثيرات تركيب دارو‌ها مي‌تواند هم‌افزايي يا متعارض باشند. يك تركيب دارويي در صورتي هم‌افزايي دارد كه تاثير تركيب داروها بيشتر از مجموع تاثير آن‌ها به صورت انفرادي باشد و در حالت برعكس با يكديگر در تعارض هستند. از طرفي، شناسايي تركيبات جديد دارويي به عنوان يك روش درماني موثر به دليل زياد بودن تعداد حالات تركيب داروها زمان‌بر و پرهزينه است و استفاده از روش‌هاي محاسباتي براي پيش‌بيني تركيبات دارويي موثر باعث محدود كردن تعداد آزمايش‌هاي تجربي مي‌شود. هم‌چنين امروزه با ظهور فيلم‌ها و برنامه‌هاي تلويزيوني و رقابت بين شركت‌هاي مختلف پخش‌كننده‌ي فيلم و پايگاه‌هاي اطلاعاتي فيلم براي جذب كاربران بيشتر، سيستم‌هاي پيشنهادكننده‌ي فيلم به پيش‌نياز اصلي رضايت مشتري تبديل شده‌اند. اكثر روش‌هاي معرفي‌شده قبلي از تكنيك‌هاي فيلتر مشاركتي، مبتني بر محتوا و تركيبي استفاده مي‌كردند كه در آن رويكردهاي مبتني بر شبكه عصبي و تكميل ماتريس، رويكردهاي اصلي جديدترين سيستم‌هاي توصيه‌كننده‌ي فيلم هستند. اشكالات عمده سيستم‌هاي قبلي در نظر نگرفتن اطلاعات جانبي، مشكل شروع سرد و ناديده گرفتن اطلاعات ارزشمند پنهان‌شده در هنگام ارائه‌ي داده‌ها در يك نمودار ناهمگون مانند فيلم - فيلم يا اطلاعات كاربر - كاربر است. در اين پايان‌نامه، ما از شبكه‌هاي عصبي گرافي به دو منظور پيش‌بيني تركيبات دارويي و ساخت يك سيستم پيشنهادكننده‌ي فيلم نوين استفاده مي‌كنيم. در بخش سيستم پيشنهاد‌كننده‌ي فيلم، نتايج حاصل از سيستم را با روش‌هاي رده‌بندي قبلي فيلم‌ها مقايسه كرده‌ايم و به صورت ميانگين با افزايش 7 درصدي نتايج نسبت به بهترين مدل قبلي روبه‌رو شده‌ايم و مشكل شروع سرد1 را نيز حل كرده‌ايم. هم‌چنين در روش پيش­بيني تركيبات دارويي با افزايش 4 درصدي نتايج در امتياز AUC نسبت به روش‌هاي پيشين رسيده‌ايم.

شبكه هاي عصبي گرافي , تركيبات دارويي , يادگيري عميق , شبكه هاي عصبي عميق , سيستم هاي پيشنهادگر فيلم , گراف