• شماره ركورد
    21957
  • شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
    21957
  • پديد آورنده

    علي ميرزايي قاضياني

  • عنوان
    بهبود دقت هويت‌يابي از طريق استخراج اطلاعات توصيفي از ويژگي‌هاي پايه نمايه كاربران شبكه‌هاي اجتماعي
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    نرم افزار
  • سال تحصيل
    1395
  • تاريخ دفاع
    1398/09/20
  • استاد راهنما
    دكتر عين‌اله خنجري ميانه
  • استاد مشاور
    دكتر محمد بحراني - دكتر محمدرضا كنگاوري
  • دانشكده
    كامپيوتر
  • چكيده
    هدف از تطابق نمايه‌هاي متفاوت هم‌معنا، شناسايي چند حساب كاربري در شبكه‌هاي اجتماعي با بررسي نمايه آنها است كه متعلق به يك فرد يكسان باشند ولي به كمك واژگان مختلف و هم‌معنا نوشته شده¬ باشند. تاكنون طرح‌هايي براي مساله تطابق نمايه‌هاي كاربران پيشنهاد شده‌اند كه براي حالت نمايه‌هاي متفاوت هم‌معنا طراحي نشده‌اند. در نتيجه، نمي‌توانند به پيش‌بيني‌هاي قابل پذيرشي در اين حالت دست يابند. ما در اين پژوهش، طرح جديدي براي تطابق نمايه‌هاي متفاوت هم‌معنا پيشنهاد مي‌دهيم. براي اين كار، يك ماشين شبكه عصبي مصنوعي طراحي مي‌كنيم كه اطلاعات توصيفي را از دو نمايه ورودي استخراج كرده و سپس آنها را به كمك تكنيك¬هاي شبكه عصبي با هم مقايسه مي¬كند. ورودي اين ماشين، دو نمايه كاربري است كه قرار است با هم مقايسه شوند. خروجي اين ماشين، يك عدد بين 0 و 1 است كه مشخص مي¬كند درجه شباهت يا احتمال يكسان بودن اين دو نمايه چه مقدار است. ما طرح پيشنهادي خود را به زبان پايتون پياده‌سازي كرده و در سناريوهاي گوناگون با جديدترين طرح‌هاي موجود در زمينه تطابق نمايه‌ها مقايسه كرديم. ارزيابي‌هاي ما نشان مي‌دهند طرح پيشنهادي ما پيش‌بيني‌هاي قابل پذيرشي در حالت نمايه‌هاي متفاوت هم‌معنا داشته و از نظر درستي پيش‌بيني، نسبت به طرح‌هاي موجود برتري دارد. واژه‌هاي كليدي: هويت‌يابي، شبكه اجتماعي، تطابق نمايه، تطابق موجوديت
  • تاريخ ورود اطلاعات
    1399/02/23
  • عنوان به انگليسي
    Identification Accuracy Improvement By Extracting Descriptive Information From The Basic Characteristics Of Social Networks Users’ Profile
  • تاريخ بهره برداري
    5/12/2020 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    علي ميرزايي قاضياني

  • چكيده به لاتين
    The purpose of different synonym profile matching is to identify multiple user accounts in social networks that belong to the same person but were written by different synonym words. A number of profile matching schemes were proposed so far that were not designed for the case of different synonym profiles. Therefore, they cannot achieve acceptable predictions in this case. In this research, we propose a new scheme for different synonym profile matching. For this work, we design an artificial neural network that extracts descriptive information from the two input profiles and then compares them using neural network techniques. Inputs of this machine are two user profiles that should be compared. Output of this machine is a real number between 0 and 1 that determines similarity score or linkage probability of the input profiles. We implemented our schme in Python and compared it in various scenarios with the newest existing schemes. Our evaluations show our scheme makes acceptable predictions in the case of different synonym profiles and surpasses existing schemes in term of prediction accuracy. Keywords: Identification, Social Network, Profile Matching, Entity Matching