پديد آورنده :
فرهنگي ملكي، عرفان
عنوان :
ارائه ي روش هاي توزيع شده ي انتشار برچسب در شبكه هاي نامتجانس
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مهندسي كامپيوتر- نرم افزار
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
يازده، ۷۳ص.: مصور، جدول، نمودار
استاد راهنما :
ناصر قديري مدرس
توصيفگر ها :
برنامه نويسي رأس محور , انتشار برچسب , شبكه هاي پيچيده , شبكه هاي نامتجانس , يادگيري نيمه نظارتي , جايگزيني دارو
تاريخ ورود اطلاعات :
1397/05/08
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده در دنياي كنوني معموال با سرريسررتمهايي مواجه ميباشرريم كه اجزاي تشرركيلدهندهي آنها و ارتباطات بين اين اجزا داراي انواع مختلف و متعددي ميباشند اين نوع سيستمها به صورت شبكهي نامتجانس مدلسازي ميشوند شبكههاي نامتجانس شبكههايي هستند كه از يالها و رأسهاي با انواع مختلف تشكيل شدهاند اين نوع شبكهها گونهاي از شبكههاي پيچيده ميباشند و در مقاي سه با شبكههاي متجانس حاوي اطالعات سررراختاري و معنايي غنيتري ميباشرررند در نتيجه كسرررب دانش و كاوش در اين نوع شررربكهها نيازمند الگوريتمهاي خاص با قابليتهايي متفاوت با الگوريتمهاي مربوط به شبكههاي متجانس ميبا شد از سوي ديگر شبكههاي نامتجانس معموال از رئوس و يالهاي زيادي تشكيل شدهاند و سرعت رشد آنها در مقاي سه با شبكههاي متجانس بسيار زياد است با توجه به ماهيت اين نوع شبكهها استخراج دانش از اين نوع شبكهها و كشف رابطهها بسيار پيچيده ميباشد بنابراين نياز به روشهاي سريع و دقيق براي اين منظور احساس ميشود شرربكههاي پيچيده نمونههاي زيادي در دنياي واقعي دارند و امروزه به طور گسررترده براي مدلسررازي فرايندهاي پيچيده اسررتفاده ميشرروند يكي از انواع شبكههاي پيچيده شبكههاي زي ستي ميباشد هدف از اين پژوهش ارائهي روشهايي سريع و مقياسپذير براي كسب دانش از شبكههاي پيچيدهي نامتجانس ميباشد از آنجا كه در شبكههاي نامتجانس لحاظ كردن ويژگيهاي محلي و سراسري شبكه در كنار هم ب سيار حائز اهميت ا ست روش يادگيري نيمه نظارتي انت شار برچ سب را انتخاب كرده و ميكو شيم تا عالوه بر ارائهي يك روش انت شار برچ سب متنا سب با نيازهاي شبكههاي پيچيدهي نامتجانس با فراهم آوردن يك ب ستر توزيع شده براي آن سرعت و مقياسپذيري را در اين الگوريتم ارتقا بخشيم و ميزان دقت را نيز مورد ارزيابي قرار دهيم در اين پاياننامه دو روش توزيعشدهي انتشار برچسب در شبكههاي نامتجانس به نام هاي 1 DHLP و 2 DHLP معرفي شده است ابتدا شبكهي نامتجانس متشكل از سه مفهوم دارو بيماري و هدف تشكيل يافته است و سپس توسط انتشار برچسب روابط دارو هدف دارو بيماري و بيماري هدف جديد پيشبيني شدهاند جهت توزيع شدگي روشهاي معرفي شده از برنامهنوي سي رأسمحور و بستر Apache Giraph استفاده شده است آزمايشهاي انجام شده نشان ميدهند كه زمان اجراي روشها در حالت توزيعشده نسبت به غير توزيعشده به شررردت كاهش يافته اسرررت و همچنين توسرررط تحليلهاي آماري 10 Fold Cross Validation و آزمايشهاي عملي ديگر كارايي الگوريتم نسبت به روشهاي مشابه نشان داده شده است كلمات كليدي 1 برنامهنويس ري رأسمحور 2 انتشررار برچسررب 3 شرربكههاي پيچيده 4 شرربكههاي نامتجانس 5 يادگيري نيمه نظارتي 6 جايگزيني دارو
چكيده انگليسي :
Distributed Label Propagation Methods for Heterogeneous Networks Erfan Farhangi Maleki e farhangi@ec iut ac ir Date of Submission 07 15 2018 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Dr Nasser Ghadiri nghadiri@cc iut ac irAdvisor Dr Zeinab Maleki zmaleki@cc iut ac irAbstractIn today s world we are faced with systems whose components and relationships between these componentsare of different types These systems have recently modeled as heterogeneous networks Heterogeneousnetworks are those consisting of various nodes and edges These types of networks are a kind of complexnetworks and compared to homogeneous networks they contain richer structural and semantic information Asa result acquiring knowledge and exploring these types of networks requires special algorithms with differentcapabilities of the algorithms designed for the heterogeneous networks On the other hand heterogeneousnetworks are usually composed of many vertices and edges and their rate of growth is much higher thanhomogeneous networks Regarding the nature of these types of networks knowledge extraction from this typeof networks and relations discovery are so complicated Thus fast and accurate methods are required Complexnetworks have many examples in the real world and are widely used today for modeling complicated processes Biological networks are one kind of the complex networks The purpose of this research is to provide fast andscalable methods for gaining knowledge from heterogeneous complex networks Since in the heterogeneousnetworks it is very important to consider the local and global features of the network together we have chosenthe label propagation algorithm which is a semi supervised learning algorithm and in addition to introducinglabel propagation algorithms we try to improve the speed and scalability of them in accordance with the needsof heterogeneous complex networks by providing a distributed platform for it and finally we measure theaccuracy of the proposed algorithms In the current thesis two distributed label propagation algorithms namelyDHLP 1 and DHLP 2 in the heterogeneous networks have been introduced First the heterogeneous networkconsisting of three concepts of drug disease and target has been formed and then new drug target disease target and drug disease associations have been predicted by label propagation Vertex centric programmingand Apache Giraph platform have been employed to make the introduced algorithms distributed Theexperiments revealed that the runtime of the algorithms has decreased in the distributed version rather thannon distributed one The effectiveness of our algorithm against other algorithms has been shown through 10 Fold Cross Validation as well as other experiments KeywordsVertex Centric Label Propagation Complex Networks Heterogeneous Networks Semi Supervised Learning Drug Repositioning
استاد راهنما :
ناصر قديري مدرس
