基于层次保留的知识图谱嵌入链路预测方法

知识图谱嵌入(KGE)是预测知识图谱(KGs)中缺失链接的重要工具,它将知识图谱中的实体和关系嵌入到连续低维空间中,并尽可能地保留原数据中隐含的各种信息。近年来,一些知识图谱嵌入方法利用极坐标系对知识图谱中普遍存在的语义层次结构进行建模,提升了链路预测任务的性能。然而,这些方法在建模关系时,使用了简单的标度变换并过度关注于实体的层次差,这在一定程度上限制了模型的拟合力。为了应对上述问题,提出了基于层次保留的知识图谱嵌入方法(RHKE),它在建模知识图谱中的关系时考虑了实体本身的层次。具体来说,提出了混合变换,它包含一个倍率项和一个偏差项,当实体层次较低或较高时,标度变换主要受偏差项或倍率项影响。此外,由于变换后模型丢失了实体原本的层次,RHKE使用层次修正项,它将头尾实体的原本层次用不同比例组合后作为关系的附加信息。在多个公开数据集上的实验结果显示,RHKE在链路预测上的性能优于现有的语义层次模型。

绿色税收对工业绿色全要素生产率的影响研究

工业作为我国国民经济的主导产业,在助力我国经济快速发展的同时造成了一定的环境压力和资源浪费,工业发展陷入了产能过剩、环境污染的困局。推进绿色技术研发和推广应用、建设绿色工业体系、促进工业绿色转型升级、提升绿色全要素生产率是实现工业绿色发展的必然选择。绿色税收以保护生态环境为目的,通过促进资源合理开发与利用,为实现清洁生产和绿色生活而实行的绿色税收政策,有利于实现工业绿色转型,提高绿色全要素生产率。

基于图粗化的层次图池化方法研究

图神经网络(Graph Neural Networks, GNNs)已被证明能有效对图结构数据进行建模,池化机制在使用GNN模型提取图层次特征过程中至关重要,近年来已经引起了越来越多研究者们的关注.现有基于聚类的层次图池化方法要么需要增加额外的神经网络层以实现特征图的粗化;要么不能从全局角度捕获节点在图中的重要性大小.针对以上问题,本文提出一种基于图粗化的层次图池化方法(Hierarchical Graph Pooling Based on Graph Coarsening, HGP-GC),用于学习图的层次特征表示.该方法主要包括图结构粗化和图属性粗化两个部分.利用结构粗化实现特征图尺寸的缩减;利用属性粗化突显图中重要节点对图级表示的关键作用.通过将HGP-GC池化策略与现有神经网络相结合,在不同规模公共数据集上的图分类实验结果证明了HGP-GC的有效性.

碳中和与经济高质量发展

文章从碳中和与经济高质量发展视角到当下碳中和发展过程中有关概念进行总结,并根据当下情况总结出我国碳中和与经济高质量发展经验,通过对全文总结归纳得出最后结论,力求为中国碳中和与经济高质量发展相关研究内容做出理论贡献。

基于多粒度用户偏好的文档级情感分析

不同的用户通常具有多粒度的用户偏好,即用不同的用词习惯来表达情感(单词级用户偏好);在不同的句子上表达出不同的情感强度(句子级用户偏好);用不同的评分特征对产品进行评价(文档级用户偏好)。现有情感模型在文本特征表示时并未考虑用户偏好的多粒度性,据此,该文提出了一种融合多粒度用户偏好的情感分析模型。首先,在单词粒度上,将用户信息融合到注意机制中来获取基于用户偏好的句子表示;然后,在句子粒度上,结合自注意机制获取基于用户偏好的文档表示;最后,在文档粒度上,将得到的文档表示与用户信息直接进行融合得到文档的特征表示,并利用该表示进行分类。在IMDB、Yelp13、Yelp14三个文档级数据集上的实验表明,该模型能更有效地提升分类性能。

不确定域特征表示的鲁棒性情感分析模型

文本数据在情感分类时往往会出现一些较难分类的模糊数据,这些模糊数据因其不确定性在模型训练时易出现过拟合现象,影响模型的鲁棒性。三支决策理论将初始样本划分为确定域和不确定域,模糊数据所在的不确定域如何选取合适特征表示以便下游任务,是目前三支决策情感分析模型面临的挑战。针对此挑战,提出一个基于三支决策不确定域特征表示的鲁棒性情感分析模型(UFR-SA)。首先,基于三支决策理论划分确定域和不确定域,针对不确定域中的模糊样本,定义异类样本点对,构造多粒度特征表示。其次,设计多特征融合模型,将多粒度特征表示送入多层感知网络,以融合各粒度特征优势。最后,对于确定域和不确定域的测试样本采用分而治之的策略,确定域数据用原始特征表示,不确定域中的模糊数据用融合后的鲁棒性特征表示。在SST-2、SST-5以及CR数据集上的实验结果表明,UFR-SA有效降低了模糊数据对模型的干扰,优于目前最好的模型性能。

面向科技大数据的颠覆性技术多维度识别算法

颠覆性技术具备“重塑”科技与市场未来格局的潜力。为支持科技评估中颠覆性技术的识别任务,提出一种基于科技大数据的颠覆性技术自动化识别算法(MRA-DT)。首先,基于科技出版物引文网络结构、时序化特征、跨领域影响和技术时效性等信息,设计了4个维度的颠覆性技术识别指标,并采用熵权法进行结果融合。然后,在计算机科学和无线电通信领域进行实证研究。实证研究表明,MRA-DT算法是一种可靠的工具,可以为科技情报分析人员和相关管理者提供科技创新决策依据,对于企业抢占科技制高点、国家提升科技和国防实力具有重要意义。

奋斗正当时

作为风华正茂的青年干部,我们应该心怀梦想、脚踏实地,努力在新时代创造新精彩,在新征程书写新荣光!青年的成长关乎国家和民族的命运,作为一名青年干部,我们应当怎样做?对党忠诚,坚定理想信念。没有理想信念的人生,就像一艘没有舵的船。一百年前的民族危难之际,爱国青年踏上了探寻真理、传播真理之路。也正是因为有了坚定的信念、崇高的理想,在种种危机和考验中,我们党带领全国各族人民克服了前进道路上一个又一个困难,啃掉了路途中一个又一个硬骨头。

“互联网+”时代经济贸易教学改革策略研究

2023年我国经济日报发布的《中国互联网络发展状况统计报告》显示截止到2023年六月份我国的互联网普及率高达76.4%。近年来以互联网为代表的数字经济带动我国经济贸易持续回升,据《报告》统计2023年的上半年全国的网购销售额达到7.16万亿元、软件以及信息技术服务业收入增长值增长了12.9%。在贸易方面我国跨境电商的进出口额高达1.1万亿、在直播带货的热潮下农村网络贸易零售额业达到了1.12万亿元帮助一定数量的农民走向了致富之路。可见互联网+时代对于我国的经济贸易有多大的重要性,作为经济贸易这个学科的教学工作者而言我们认识互联网+时代的重要性,所以本文旨在站在“互联网+”的视野下将现有的教学方法的基础上进行改革,为我国为建设经济贸易强国输送现代化优秀的人才。

养殖鳜鱼出血病病原的分离与鉴定

2021年上海市一家鳜鱼养殖场暴发出血病,初始典型症状为下颌出血。本研究通过细菌分离、分子鉴定、生化反应以及健康鳜鱼感染试验等,确认鳜鱼发病死亡由维氏气单胞菌(Aeromonas veronii)和迟缓爱德华氏菌(Edwardsiella tarda)共同感染所致。分离的维氏气单胞菌鸟氨酸脱羧酶(ODC)和赖氨酸脱羧酶(LDC)反应均为阴性,表明其既不属于维氏气单胞菌维氏生物群(A.veronii biogroup veronii),也不属于维氏气单胞菌温和生物群(A.veronii biogroup sobria),但在遗传上与温和生物群更近;迟缓爱德华氏菌生化反应不产生H2S。分离菌腹腔注射感染健康鳜鱼幼鱼后,被感染幼鱼均出现了死亡现象,且相同数量级病原回感鳜鱼,维氏气单胞菌感染后,鳜鱼发病更快,死亡率更高,感染量为1×10^(7) cfu/尾时即可导致鳜鱼幼鱼在24 h内100%死亡。两种病菌都对硫酸新霉素和红霉素耐药,而对氟苯尼考都高度敏感。本研究为养殖鳜鱼出血病的治疗和控制提供了参考。

口灌给药恩诺沙星在斑节对虾体内的药动学和组织中的消除规律研究

为指导恩诺沙星在斑节对虾(Penaeus monodon)细菌性疾病防治中的科学合理应用,采用高效液相色谱法,研究了在海水(盐度33)水温为(28.0±1.0)℃下,斑节对虾口灌恩诺沙星(剂量30 mg·kg^(-1))后,体内恩诺沙星及其代谢产物环丙沙星的药动学和组织分布。给药后斑节对虾血淋巴恩诺沙星药物浓度-时间曲线关系符合一级吸收二室开放模型。恩诺沙星在血淋巴、肌肉和肝胰腺中的达峰时间Tmax分别为1 h、2 h和2 h,药物峰浓度(Cmax)分别为17.82 mg·L^(-1)、5.02 mg·kg^(-1)和96.75 mg·kg^(-1)。血淋巴、肌肉和肝胰腺中恩诺沙星消除半衰期t1/2z分别为17.12 h、72.31 h和37.78 h,总体清除率(CLz)分别为0.11 L·(h·kg)^(-1)、0.21 kg·(h·kg)^(-1)和0.02 kg·(h·kg)^(-1),曲线下面积(AUC0-t)分别为187.34 mg·(L·h)^(-1)、132.15 mg·(kg·h)^(-1)和1298.32 mg·(kg·h)^(-1),可见恩诺沙星在斑节对虾体内吸收、分布迅速,消除较快。3种组织中均能检测到恩诺沙星的代谢产物环丙沙星,含量均较低。血淋巴、肌肉和肝胰腺中环丙沙星峰浓度(Cmax)分别为1.07 mg·L^(-1)、0.77 mg·kg^(-1)和1.40 mg·kg^(-1),环丙沙星与恩诺沙星曲线下面积比值(AUCCIP/AUCENR)分别为10.04%、20.73%和2.81%,可见在斑节对虾体内恩诺沙星起主要药效作用。以Cmax/MIC、AUC/MIC评价恩诺沙星在斑节对虾体内的药效作用,30 mg·kg^(-1)剂量给药,对弧菌引起的斑节对虾细菌性疾病具有良好药效。应用WT1.4软件推算恩诺沙星在斑节对虾体内休药期为372.5 h(约16 d)。

适老化慕课学习APP设计研究

在5G时代下,越来越多的老年人开始学习使用智能手机,然而目前老年人在移动端进行学习的途径比较分散,各个平台的水平不一,有的甚至夹杂广告或隐性消费。为了设计出真正适合老年人使用的在线学习平台,文章调研了市面上一些老年在线学习平台,分析它们的不足之处与优点,提出了老年慕课平台设计的四项原则:无障碍原则、实用性原则、简洁性原则、容错性原则。针对老年人的特点以及老年慕课平台设计原则,对老年慕课平台功能及界面进行设计。

基于卷积图神经网络的多粒度表示学习框架

卷积图神经网络(Convolutional Graph Neural Network,ConvGNN)以其强大的表达能力被广泛应用于社交网络、生物网络等领域的网络表示学习中,多粒度网络表示学习已被证明能够改善已有网络嵌入方法的性能,但目前尚缺乏以改善ConvGNN性能为目标的框架.针对此问题,提出一种基于ConvGNN的多粒度网络表示学习框架M-NRL,分为四个模块:粒化模块、训练模块、推理模块和融合模块.粒化模块构造从细到粗的多粒度网络并保留不同粒度节点的属性和标签信息,训练模块在最粗粒度的网络上以端到端的方法训练任意一种ConvGNN并优化其模型参数,推理模块使用优化后的ConvGNN推理出不同粒度网络的节点表示,融合模块采用注意力权重聚合不同粒度的节点表示以产生最终的节点表示.在四个公开引文网络数据集上进行的半监督节点分类任务验证了M-NRL的有效性,实验结果表明,MNRL不仅能加速现有ConvGNN的训练,还可以增强其最终的表示质量.

利用粗图训练图神经网络实现网络对齐

网络对齐是一项极具挑战性的任务,旨在识别不同网络中的等效节点,由于网络的复杂性和监督数据的缺乏,传统方法的计算复杂度高,精度低.近年来,图神经网络(Graph Neural Networks,GNN)在网络对齐算法中得到了越来越多的应用.已有研究表明,与传统方法相比,使用GNN进行网络对齐可以降低计算复杂度并提高对齐精度,然而,基于GNN的方法的性能受到训练数据质量和网络规模的限制.为此,提出一种快速鲁棒的无监督网络对齐方法FAROS,采用在粗图上训练的GNN模型进行网络对齐.使用粗图进行GNN训练的优点:(1)显著减少训练数据,最大限度地减少GNN反向传播过程中必须更新的权重参数,减少训练时间;(2)缓解数据噪声,能提取网络最重要的结构特征,便于GNN获得更鲁棒的嵌入向量.在训练过程中,FAROS通过引入基于伪锚节点对的自监督学习来提高对齐精度.在真实数据集上的实验结果验证了FAROS算法的有效性,其在保持较好精度的同时,比同类方法快几个数量级.

社交关系挖掘研究综述

随着在线社交应用和媒体的迅速扩散,在线社交网络(Online Social Network,OSN)已将我们的日常生活与网络信息空间连接起来.这些连接产生了大量的数据,不仅包括传播信息,还包括用户行为.社交关系挖掘的研究是社交网络挖掘中的一个重要领域,为我们对网络的形成机理、用户的交互模式和动态机制的理解提供了一个机会.社交关系(Social Ties)是社交网络中人与人连接和交互的纽带,也是社交网络中信息传播的基础.从计算学的观点来看,社交关系挖掘的研究包括社交关系的形成机理、社交关系的语义化以及基于社交关系人与人之间的交互.该文综述性地分析了这3个方面的研究现状,具体来说,在社交关系形成机理方面介绍关系链接预测,在基于社交关系的交互方面介绍关系交互预测,在社交关系语义化方面介绍关系类型预测.首先给出社交网络分析问题的形式化描述和相关概念、常用数据,然后分别介绍关系链接预测、关系类型预测和关系交互预测3个方面的方法、理论和模型,并给出重要的应用实例及其效果.最后,该文给出了未来工作的展望.

覆盖聚类算法

首先比较几类主要的聚类算法,给出每类算法的基本概念、原理、每类的代表性算法,及这些算法的主要特征。在此分析基础上,提出一种新的聚类算法———覆盖聚类算法,该算法采用覆盖的概念将比较集中的样本聚合在一起,从而发现隐含在样本集中的类,对于周围稀疏的样本结合最短距离法,获得聚类效果,并用实验数据对分层聚类方法、LBG方法与覆盖聚类算法进行比较,证明了覆盖聚类算法的可行性和有效性。最后给出了算法的研究方向。

基于社团结构的多粒度结构洞占据者发现及分析

目前研究者已提出一些基于社团结构的结构洞发现方法,然而不同粒度下社团划分结果使网络呈现层次化结构,影响社团结构中节点跨越结构洞的程度。本文基于网络社团划分思想提出一种分层网络的结构洞发现方法MG_Max D。首先,使用分层递阶社团划分算法(本文使用EAGLE算法),得到不同粒度的社团结构;然后,使用结构洞发现算法MG_Max D得到不同粒度下的结构洞占据者;最后,使用结构洞跨越程度指标分析不同粒度下的社团结构对节点跨越结构洞程度的影响。在公用和真实数据集上的实验结果表明节点跨越结构洞的程度即结构洞节点的优势将随着粒度的变细而增大。

思维训练:技术有效促进学习的催化剂

以信息网络技术、移动通信技术为代表的新技术在教育教学中发挥着越来越重要的作用,然而国内外的大量研究表明,这些技术并没有如人们预期那样带来教育教学的本质提升。片面注重物化形态的信息技术、忽视意识形态的思维技术是造成这一尴尬的主要原因。思维能力培养及学习力提升是数字化时代教育教学的根本目标,直接思维训练和学科思维训练是思维技能教学的两种方式,二者相辅相成、相互促进,有助于对学习者进行全面完善的思维能力培养。积极性思维、批判性思维和创造性思维是思维训练的三大导向,可通过"隐性思维显性化——显性思维工具化——高效思维自动化"三大训练阶段提升。

基于SWOT分析的我国老年在线课程发展研究

本研究立足国家老年大学及41个覆盖我国东、中、西部各省、自治区、自辖市的老年开放大学平台在线课程,从在线课程数量、在线课程类型、在线课程学习活动设置、在线课程资源供给及在线课程视频资源5个方面出发,对各平台在线课程发展现状进行分析;在此基础上,采用SWOT分析法,从内部优势与劣势、外部机会与威胁4个方面出发,对老年在线课程发展进行分析;结合分析结果,从发挥优势、多方联动、示范学习、社会参与4个方面出发,提出老年教育在线课程发展的S-O、S-T、W-O、W-T策略。

基于大数据的卓越教师培养路径探析

教育部2014年正式发布《教育部关于实施卓越教师培养计划的意见》,各高师院校围绕该意见开展教师教育改革,却难以解决教师教育过程中个性化、全程化培养的问题。教育大数据的发展,为卓越教师培养提供了新的解决思路。文章以教师培养路径为线索,探讨分析了大数据在优化师范生招生、教师教育课程体系、教学方法、师资队伍、学校管理与就业服务优化、职后教师培训等方面的应用路径,并提出了面向卓越教师培养的大数据中心构建思路,包括建设大数据实体中心机构、开展大数据建模,以实现卓越教师大数据的收集、存储、分析与应用。