知识水波图卷积网络推荐模型

为了解决基于知识图谱的推荐系统中常见的高阶建模难和用户特征建模不充分问题,提出了以端到端的方法获取知识图谱中高阶语义信息的知识水波图卷积网络(KRGCN)。模型分为用户特征学习和项目特征学习两部分,其中用户特征学习基于用户历史交互记录,利用偏好传播和交叉压缩单元进行嵌入传播来获得用户特征表示;项目特征学习是在项目知识图谱上利用图卷积网络聚合每一项目的高阶邻域信息,使用偏差区分项目邻域的重要性来获得项目特征表示。最后,利用用户特征表示和项目特征表示计算预测值,利用向量之间的内积操作计算用户与项目的交互概率。在两个公开数据集上,使用五个基线方法进行了对比实验。在Book-Crossing数据集上,KRGCN的AUC、ACC和F1值分别提升了4.43%~11.96%、1.68%~10.82%和1.90%~12.78%;在Last.FM数据集上,KRGCN的AUC、ACC和F1值分别提升了2.94%~16.84%、2.36%~16.59%和0.83%~17.69%。实验结果表明,KRGCN能够同时实现用户和项目的高阶建模,与其他代表性的模型相比有良好的推荐效果。

程序在线测评系统的知识图谱构建与应用

近年来,各高校为提高学生编程能力,上线了大量程序在线测评系统用于计算机类专业课程教学。为清晰了解此类系统中数据对教学的影响,首先依据程序在线测评系统分析数据包含的本体,经过数据清洗,运用Neo4j构建知识图谱。通过对学习路径、学情分析和教学路径的可视化分析得出结论:程序在线测评系统知识图谱可将教学信息以知识图谱的形式呈现,使学习者能清楚了解自身水平,提升学习兴趣,实现教师高效化教学和学生自主化学习。

基于相似特征和关系图优化的姓名消歧

【目的】充分利用学术文献的特征信息和关系信息解决作者姓名消歧问题。【方法】提出了一种特征信息嵌入和关系图优化相结合的姓名消歧方法。首先基于文本信息提取文献特征,通过表示学习得到文献的嵌入向量,然后挖掘文献之间的关系信息并分析关系强弱,构建4个关系图以优化每篇文献嵌入向量,最后使用凝聚层次聚类算法得到消歧结果。【结果】在AMiner-na数据集上的实验结果表明,本文方法得到的F1分数平均值为68.78%,相比次优方法提升了1.81个百分点。【局限】注重所有作者的平均消歧效果,部分作者消歧效果有待提高。【结论】本文方法能够充分利用文献关系信息,综合特征信息有效地提升作者姓名消歧的效果。