ارائه ­دهنده:
هما ردائی

  استاد راهنما:
دکتر محمدرضا جاهد مطلق

استاد مشاور:
دکتر بهروز مینائی

  هیات داوران:

دکتر مرتضی آنالویی
 دکتر سعیده ممتازی

زمان : ۲۵ مهر ماه ۱۴۰۲

  ساعت ۱۹:۰۰

چکیده پایان نامه :

پیش بینی پیوند در گراف‌های دانش روش متداولی است که برای غنی‌سازی گراف‌های دانش مورد استفاده قرار می‌گیرد. لذا راهکارهای زیادی در این راستا ارائه شده‌اند که جانمایی گراف دانش از مشهورترین و معتبرترین این روش ها می‌باشد. مدل‌های جانمایی گراف دانش متعددی در قالب سه دسته فاصله انتقال، تطابق معنایی و یادگیری شبکه‌های عصبی ارائه گردیده‌اند.علیرغم این همه تلاش، در اکثر روش‌های موجود پیش‌بینی‌ بر مبنای حذف یک بخش از سه‌تایی و جایگزینی تصادفی آن صورت می‌گیرد. ترجیحات‌گزینشی به معنای الگوها یا الزاماتی است که در مورد نحوه ترکیب کلمات و عبارات در زبان وجود دارد. به عنوان مثال، برای فعل نوشیدن، ترجیحات گزینشی نشان می‌دهد که یک عبارت از نوع مکان برای این فعل کمتر استفاد می‌شود. در این تحقیق با استفاده از روش ترجیحات گزینشی سعی شده است که پیش‌بینی پیوند به روابط معنایی موجودیت ها با یکدیگر و کاربرد آن‌ها در محاورات زبان طبیعی نزدیک گردد. جهت بالا بردن دقت پیش‌بینی پیوند، به تغییر روش به‌دست آوردن جانمایی گراف دانش با استفاده از ترجیحات گزینشی می‌پردازیم، بدین منظور مقادیر ترجیحات گزینشی برای میزان جفت شدن هر دو موجودیت به‌دست آمده و پس از جانمایی گراف دانش و به‌دست آمدن بردارها، علاوه بر تاثیر محل قرارگیری بردارهای جانمایی، مقادیر ترجیحات گزینشی را نیز برای پیش‌بینی پیوند در گراف دانش دخیل می‌کنیم. در نهایت، ارزیابی روش مذکور بر روی گراف دانش فارس پریدیکت پیاده‌سازی و اجرا شده است. با توجه به ارزیابی‌های انجام شده بر روی سه مدل جانمایی گراف دانش با نام های DistMult-SP ،TransE-SP و ConvE-SP توانستیم شاهد بهبود در پیش‌بینی پیوند به نسبت مدل های پایه باشیم.
 

مکان: دانشکده مهندسی کامپیوتر، طبقه ۲  ،اتاق دفاعیه دکتری