结合全局信息的深度图解耦协同过滤

基于GCN的协同过滤模型通过用户物品交互二部图上的信息聚合过程生成用户节点和物品节点的表示,预测用户对物品的偏好。然而,这些模型大多没有考虑用户不同的交互意图,无法充分挖掘用户与物品之间的关系。已有的图解耦协同过滤模型建模了用户的交互意图,却忽略了图全局信息,没有考虑用户节点和物品节点的本质特征,造成表示语义不完整;并且由于受到模型迭代结构的影响,意图解耦学习的过程并不高效。针对上述问题,设计了结合全局信息的深度图解耦协同过滤模型G2DCF(Global Graph Disentangled Collaborative Filtering)。该模型构建了图全局通道和图解耦通道,分别学习节点的本质特征和意图特征;通过引入正交约束和表示独立性约束,使用户-物品的交互意图尽可能唯一防止意图退化,同时提高不同意图下表示的独立性,提升模型的解耦效果。对比已有的图协同过滤模型,G2DCF能更综合地刻画用户特征和物品特征。在3个公开数据集上进行了实验,结果表明G2DCF在多个评价指标上优于对比方法;分析了表示分布的表示独立性和表示均匀性,验证了模型的解耦效果;同时从收敛速度上进行了对比,验证了模型的有效性。

明清衙门的师爷

师爷(或称幕友)是明清、主要是清代省一级高级衙门、将帅大营以及州县衙门聘请的体制外的参谋、顾问、文秘及其他佐助人员;按类型来分,有应对外部事务的主外型师爷,应对内部事务、主要是文案工作的主内型师爷两种。而绍兴师爷由于所占比例巨大,且自成特色,则可以另作一类(但在内容上仍包含前两种类型)。

基于信令数据的城市主干道路自动连接方法

文中提出的方法首先根据移动基站的覆盖范围,计算基础路段的相关基站;然后根据手机信令数据,计算各路段与其相邻路段的连接权重;最后根据连接权重,合并生成新的路段;反复迭代这一过程,直到没有新的路段生成。使用该方法生成道路,进行道路匹配和路况计算,与同时段的高德路况进行对比,结果一致性较高。