بررسی نقش پایگاه داده های گرافی در ارتقای تحلیل داده های رابطه محور در سامانه های هوش مصنوعی: سیستم های توصیه گر، تشخیص تقلب و پرسش و پاسخ مبتنی بر گراف دانش

چکیده مقاله

در رشد شتابان داده های پیچیده ناهمگون و به شدت متصل در حوزه هایی نظیر شبکه های اجتماعی، تشخیص تقلب، دانش گراف، تحلیل زنجیره تامین و سامانه های هوش مصنوعی نیاز به الگوهای داده ای پیشرفته و رابطه محور را به طور چشمگیری برجسته ساخته است در چنین بستری پایگاه داده های گرافی با نمایش موجودیت ها و تعاملات آنها در قالب گره و یال زیرساختی مناسب برای تغذیه، تقویت و تبیین مدل های یادگیری، ماشین یادگیری عمیق و سامانه های تبیینی فراهم می کنند این مقاله به واکاوی نقش پایگاه داده های گرافی در بهبود دقت، کارایی، مقیاس پذیری و تبیین پذیری کاربردهای هوش مصنوعی پرداخته و معماری و قابلیت های Neo۴j را به عنوان یکی از پرکاربردترین سامانه های گرافی مورد تحلیل قرار می دهد با اتکا بر مرور نظام مند ادبیات و نتایج بنچمارک های معتبر منتشر شده در فاصله سال های ۲۰۲۰ تا ۲۰۲۴، نقاط قوت و محدودیت های Neo۴j در سناریوهای متنوع تحلیلی شناسایی و توصیه هایی برای گزینش معماری مناسب در پروژه های داده محور ارائه می شود یافته ها نشان می دهد که Neo۴j در مواجهه با داده های به شدت وابسته و پرس وجوهای چند مرحله ای، عملکردی برتر و پایدار از خود بروز می دهد افزون بر این هم افزایی پایگاه داده های گرافی با Graph Learning، شبکه های عصبی گراف و گراف های دانش بهبودهای قابل توجهی در کیفیت و تبیین پذیری سامانه های پرسش و پاسخ، سیستم های توصیه گر، سامانه های کشف تقلب و کاربردهای حوزه سلامت به همراه داشته است

کلیدواژه‌ها

نویسندگان

سعید طلعتیان

عضو هیات علمی گروه مهندسی کامپیوتر دانشگاه خلیج فارس

سیده نادیا فلاحی

دانشجوی کارشناسی رشته مهندسی کامپیوتر دانشگاه خلیج فارس

�لعتیان، سعید و فلاحی، سیده نادیا،1404،بررسی نقش پایگاه داده های گرافی در ارتقای تحلیل داده های رابطه محور در سامانه های هوش مصنوعی: سیستم های توصیه گر، تشخیص تقلب و پرسش و پاسخ مبتنی بر گراف دانش،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران