10223

مروري بر روش هاي جانمايي گراف هاي معنايي

1400

دكتر بهروز مينايي

گراف‌ها به عنوان ساختار داده‌اي مهم براي مدل‌سازي بسياري از سيستم‌ها از جمله شبكه‌هاي اجتماعي استفاده مي‌شوند. از طرفي الگوريتم‌هاي مبتني بر هوش مصنوعي در ورودي خود برداري از اعداد را دريافت مي‌كنند بنابراين الگوريتم‌هاي سنتي به طور مستقيم بر روي گراف قابل اعمال نيستند. به همين دليل جانمايي در سال‌هاي اخير مورد توجه قرار گرفته است. هدف از جانمايي نگاشت گراف به يك فضاي برداري است با اين قيد كه اطلاعات موجود درون گراف تا حد ممكن در فضاي جديد حفظ شده باشد. گراف‌هاي دانش به عنوان دسته‌اي مهم از گراف‌ها، اطلاعات ساختار يافته‌آي را در اختيار ما و ماشين قرار مي‌دهند كه منجر به انتقال و درك بهتر زبان بين انسان و ماشين مي‌شود. تفاوت عمده گراف‌هاي دانش با ساير گراف‌ها در وجود اطلاعات اضافي از قبيل متن و تصوير درون گراف است يا به عبارتي علاوه بر ساختار اصلي گراف، درون گراف معنا نيز وجود دارد. با اينكه جانمايي متن و تصوير پيشرفت چشمگيري داشته است تركيب و ايجاد توازن بين استفاده از ساختار و معنا در گراف چالش مهمي است كه در سال‌هاي اخير مورد توجه قرار گرفته است. هدف از اين سمينار بررسي روش‌هاي تركيب جانمايي ساختار و جانمايي معناي موجود در گراف يا به طور خلاصه جانمايي گراف‌هاي معنايي است.

12/1/2021 12:00:00 AM

73373

1400/09/25

A Survey on Semantic Graphs Embedding Methods

،گراف دانش، , ،جانمايي گراف هاي معنايي، , ،بازنمايي گراف دانش،

،Knowledge Graph، , ،Knowledge Graph embbeding، , ،Knowledge Graph Representation،