• 1 مقدمه (11)
  • 1-1 پیش‌نیازها (12)
  • 1-2 تعریف مساله (14)
  • 1-3 ویژگی‌ها و روش‌های حل مساله (15)
  • 1-4 چالش‌ها (16)
    • 1-4.1 داده‌های آموزش (16)
    • 1-4.2 دشواری طراحی شبکه‌ای ژرف برای ورودی گراف (17)
    • 1-4.3 دشواری آموزش با افزایش ژرفا (18)
  • 1-5 اهمیت و کاربردهای مساله (18)
  • 1-6 ساختار پایان‌نامه (19)
• 2 پژوهش‌های پیشین (20)
  • 2-1 روش‌های مبتنی بر عامل‌بندی ماتریسی (22)
    • 2-1.1 نگاشت ویژه لاپلاسین گراف (22)
    • 2-1.2 شباهت راس (23)
  • 2-2 روش‌های مبتنی بر هسته گرافی (25)
    • 2-2.1 هسته‌های R-پیچشی (25)
    • 2-2.2 گشت تصادفی (27)
    • 2-2.3 الگوهای زیردرختی (28)
    • 2-2.4 گرافلت‌ها (30)
    • 2-2.5 Weisfeiler-Lehman (WL) (32)
    • 2-2.6 هسته گرافی تباین ژرف (35)
  • 2-3 روش‌های مبتنی بر یادگیری ژرف (37)
  • 2-4 تشریح سازوکار ارسال پیام (38)
    • 2-4.1 لایه ChebConv (39)
    • 2-4.2 لایه GCN (41)
    • 2-4.3 لایه Cluster-GCN (44)
  • 2-5 تشریح سازوکار خلاصه‌سازی (47)
    • 2-5.1 لایه DiffPool (48)
    • 2-5.2 لایه SAGPool (49)
  • 2-6 تشریح سازوکار بهنجارسازی (51)
    • 2-6.1 لایه PairNorm (51)
    • 2-6.2 لایه DropEdge (52)
  • 2-7 جمع‌بندی (54)
• 3 راهکار پیشنهادی (55)
  • 3-1 مقدمه (56)
  • 3-2 پیش‌نیازها (56)
    • 3-2.1 معیار نزدیکی (56)
    • 3-2.2 معیار بینابینی (57)
    • 3-2.3 معیار ارتباط‌پذیری (57)
    • 3-2.4 معیار زیرگراف (58)
  • 3-3 ساختار کلی راهکار پیشنهادی (58)
  • 3-4 تشریح عملکرد پیش‌پردازش‌گر (61)
  • 3-5 تشریح ویژگی پیمانه تعبیه راس‌ها (62)
  • 3-6 معرفی لایه خلاصه‌سازی tPool (63)
  • 3-7 معماری مدل پیشنهادی (66)
  • 3-8 جمع‌بندی (68)
• 4 ارزیابی (69)
  • 4-1 مجموعه دادگان (70)
  • 4-2 مدل‌های مورد مقایسه (71)
  • 4-3 پیکربندی (72)
  • 4-4 آزمایش‌ها (73)
    • 4-4.1 سنجش اثر عنصرهای مختلف شبکه پیشنهادی بر کارایی (75)
    • 4-4.2 سنجش اثر تعداد راس‌های انتخابی در آخرین لایه خلاصه‌سازی بر کارایی (77)
  • 4-5 جمع‌بندی (78)
• 5 جمع‌بندی و کارهای آتی (79)
• مراجع (80)
• واژه‌نامه فارسی به انگلیسی (86)
• واژه‌نامه انگلیسی به فارسی (89)