15343

بررسي رويكرد ها و روش هاي انتخاب ويژگي محتوايي در داده هاي گراف محور

1403

حسن نادري

امروزه تحليل و استخراج دانش از داده‌هايي با ساختار گرافي بيش‌ازپيش موردتوجه پژوهشگران و متخصصان در رشته‌هاي گوناگون است. ازاين‌رو، مطالعه و تحليل داده‌هاي گرافي به يكي از زمينه‌هاي مهم و كاربردي در علم داده و يادگيري ماشين تبديل‌شده است. يكي از چالش‌هاي مهم درزمينه تحليل داده‌هاي گرافي، وجود ويژگي‌هاي زيادي در اين مجموعه‌هاي داده و انتخاب ويژگي‌هاي مؤثر و مرتبط باهدف تحليل است. انتخاب ويژگي‌ها نه‌تنها نقش مهمي در بهبود كارايي مدل‌هاي يادگيري دارد، بلكه در دستيابي به درك عميق‌تر از ساختار و رفتار داده‌ها بسيار كمك‌كننده است. به‌كارگيري روش‌هاي مناسب انتخاب ويژگي مي‌تواند منجر به بهبود دقت مدل‌ها، كاهش ابعاد داده و درنهايت تسهيل در تفسير و تحليل رفتار شبكه‌هاي داده‌اي گردد. ويژگي‌هاي مجموعه داده‌هاي گرافي به دودسته محتوايي و ساختاري تقسيم مي‌شوند. از آنجا كه اين نوع داده‌ها بر روي گراف مدل مي‌شوند، ويژگي‌هاي ساختاري همان ويژگي‌هاي گراف است كه پژوهش‌هاي زيادي بر روي آن انجام شده است. از طرفي ويژگي‌هاي محتوايي كه در گراف‌هاي دانش (داراي ويژگي‌هاي محتوايي) از اهميت بالايي براي تحليل داده‌ها برخودار هستند كمتر به آن توجه شده است. در اين سمينار هدف انتخاب روش‌هاي مناسب براي انتخاب ويژگي‌هاي محتوايي كاربردي است. اين سمينار با بررسي مجموعه داده‌هاي گرافي داراي محتوا، روش‌هاي مختلف انتخاب ويژگي و معيارهاي ارزيابي آن ارائه مي‌گردد و در نهايت پس از جمع‌بندي مطالب به ارائه پيشنهاد‌ها و ايده‌ها جهت پايان‌نامه پرداخته خواهد شد.

11/5/2025 12:00:00 AM

88339

1404/08/18