مرور روش‌های جاسازی گراف‌های دانش

نویسندگان

1 دانشکده برق و کامپیوتر، دانشگاه کاشان، کاشان، ایران.

2 دانشکده برق و کامپیوتر، دانشگاه کاشان، کاشان، ایران.

3 دانشکده برق و کامپیوتر، دانشگاه کاشان، کاشان، ایران.

doi
10.22052/scj.2024.254464.1224
چکیده

گراف‌های دانش به عنوان ابزارهای حیاتی و بسیار پرکاربرد در زمینه‌های داده‌کاوی، یادگیری ماشین، شبکه‌های پیچیده و حوزه‌های مرتبط، توجه بسیاری را به خود جلب کرده‌اند. در این مقاله، ما سعی داریم تا به بررسی گسترده‌ای از این گراف‌ها و روش‌های مرتبط با آنها بپردازیم. ما روش‌های شبکه‌های RGNN، TDM و BLM را جزئی‌تر بررسی و ارزیابی می‌کنیم و نتایج به دست آمده از هر کدام را با دقت مورد بررسی قرار می‌دهیم. این مطالعه یک تجزیه و تحلیل جامع از عملکرد این روش‌ها را ارائه می‌دهد و به دنبال ارزیابی دقیق‌تر نقاط قوت و ضعف هر یک از آنها در مواجهه با چالش‌ها و کاربردهای واقعی است. امیدواریم که این بررسی گامی مفید در جهت بهبود درک ما از این فناوری مهم باشد و در توسعه آینده آن موثر باشد.