融合注意力机制的GNN推荐算法

在推荐系统中,用户的兴趣爱好受到自身的历史行为、社交网络等多方面影响,呈现出一种动态变化的趋势。而如何在推荐系统中结合用户的社交网络信息以及时序兴趣提取有效信息,是一个棘手的问题。对此,提出了一种融合多头注意力机制和门控循环单元的图神经网络算法MGRU。该算法先利用门控循环单元对时序信息进行记忆与遗忘,从而增强局部图邻域迭代过程中时序信息的抽象能力。再利用注意力记忆网络获得朋友在不同方面对用户的影响,依靠多头注意力机制来调节朋友的影响力大小。通过门控神经网络将朋友的影响和用户自身偏好进行融合,对项目进行推荐。在Ciao与Epionions数据集上使用均方根误差和平均绝对误差作为评价指标进行实验,结果证明该算法提升了推荐系统的准确率。

辅以功能电刺激的实时步态训练与反馈分析系统

该文研究设计了同步实现足下垂患者步态训练和康复评估的综合系统,以解决目前存在的足下垂治疗与步态分析分离的不足。系统采用多传感器采集各运动部位的参数,并设计了多重模式的功能性电刺激装置,引入了体域网技术协调传感器和刺激器的数据通讯及控制,同步实现步态实时分析与足下垂治疗。体域网应用了蓝牙4.0技术以降低系统功耗。系统实现了治疗与评估的同步,能够实时采集并分析训练时踝、膝、髋等部位运动参数,并同时对患病部位进行功能性电刺激治疗。

融合知识图卷积网络的双端邻居推荐算法

针对现有的基于知识图谱的推荐对于用户信息的考虑少于对物品信息的考虑,提出一种融合知识图卷积网络的双端邻居推荐算法,在用户端及物品端同时进行特征提取。对于用户特征的提取,是通过用户偏好在知识图谱中的扩散过程实现。对于物品特征的提取,是将邻居信息聚合到物品节点生成嵌入向量,因各个邻居的权重与用户点击物品的邻居节点紧密联系,因此基于KGCN模型来实现。最后让用户兴趣传播与物品特征聚合交替进行。在两个数据集上进行对比实验,在MovieLens-1M数据集上,与基线方法相比,AUC和F1分别提升了1.5%和2.0%,在Book-Crossing数据集上,AUC和F1分别提升了5.3%和1.9%,算法有效性得到显著提升。