بهینه سازی نمونه برداری و جداسازی زیرشبکه های اجتماعی با استفاده از الگوریتم های مسیریابی گراف

چکیده مقاله

هدف این پژوهش بهینه سازی فرایند نمونه برداری و جداسازی زیرشبکه های اجتماعی برای تحلیل دقیق تر داده ها و بهبود دقت شناسایی الگوهای پنهان است ابتدا گراف انتشار با گره هایی به عنوان کاربران و یال هایی به عنوان تعاملات میان آن ها ایجاد شد و مسیرهای ترانسفورمر برای استخراج ویژگی های کلیدی متنی به کار گرفته شدند سپس شبکه های عصبی گراف برای یادگیری ویژگی های ساختاری و مدل های یادگیری عمیق PolitiFact و GossipCop با روش پیشنهادی PolitiFact و GossipCop و FI score با دقت ۷۸٪، ۷۶٪ و ۷۹٪ مقایسه شد همچنین روش محاسباتی و افزایش سرعت پردازش، کاهش بیش دگی محاسباتی را نسبت به روش های سنتی بهبود بخشید این چارچوب ابزاری موثر و کارآمد برای استخراج روابط پنهان و بهینه سازی پردازش داده های بزرگ و پیچیده را ارائه می دهد

کلیدواژه‌ها

نویسندگان

مرجان شاکرمی

گروه کامپیوتر، دانشگاه آزاد، واحد خرم آباد، خرم آباد، ایران

مجتبی صالحی

گروه کامپیوتر، دانشگاه آزاد، واحد خرم آباد، خرم آباد، ایران

محمد یاراحمدی

گروه ریاضی، دانشگاه آزاد، واحد خرم آباد، خرم آباد، ایران

مرتضی ذاکری نصرآبادی

گروه کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایران

�اکرمی، مرجان و صالحی، مجتبی و یاراحمدی، محمد و ذاکری نصرآبادی، مرتضی،1403،بهینه سازی نمونه برداری و جداسازی زیرشبکه های اجتماعی با استفاده از الگوریتم های مسیریابی گراف،سومین کنفرانس بین المللی و هشتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

مجموعه مقالات سومین کنفرانس بین المللی و هشتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی30 بهمن 1403 · اهواز