تعبيه‌سازي شبكه‌هاي اجتماعي مبتني بر كاربست روش‌هاي تشخيص جوامع و استخراج ويژگي‌هاي معنايي نهفته

هدف از تعبيه‌سازي شبكه‌هاي اجتماعي كه اخيراً توجه زيادي را به خود جلب كرده، يادگيري نمايش در ابعاد پايين براي هر گره در شبكه با حفظ ساختار و خصوصيات شبكه است. در اين مقاله، تأثير نحوه تشخيص جوامع در حالت‌هاي مختلف مانند تشخيص جامعه حين يا قبل از روند پياده‌روي تصادفي و هچنين تأثير معنايي اطلاعات متني هر گره بر روي تعبيه‌سازي شبكه مورد بررسي قرار گرفته و دو چارچوب اصلي با نام‌هاي تعبيه‌سازي شبكه آگاه به جامعه و متن و تعبيه‌سازي شبكه مبتني بر جامعه و ويژگي‌هاي معنايي پيشنهاد شده است. در اين مقاله، در تعبيه‌سازي شبكه آگاه به جامعه و متن، تشخيص جوامع قبل از روند پياده‌روي تصادفي با به‌كارگيري روش‌ غيرهمپوشان ادموت و همپوشان اگونت‌اسپليتر انجام گرفته است. با اين حال در تعبيه‌سازي شبكه مبتني بر جامعه و ويژگي‌هاي معنايي، تشخيص جوامع حين رخداد پياده‌روي تصادفي و با استفاده از مدل موضوعي جفت‌كلمه اعمال شده است. در تمامي روش‌هاي ارائه‌شده، تحليل متني مورد بررسي قرار گرفته و نهايتاً نمايش نهايي با به‌كارگيري مدل Skip-Gram در شبكه انجام مي‌گردد. آزمايش‌هاي انجام‌شده نشان داده‌اند كه روش‌هاي پيشنهادي اين مقاله از روش‌هاي با نام‌هاي پياده‌روي عميق، CARE، CONE و COANE بهتر عمل كرده‌اند.