基于RoBERTa和图增强Transformer的序列推荐方法

自推荐系统出现以来,有限的数据信息就一直制约着推荐算法的进一步发展。为降低数据稀疏性的影响,增强非评分数据的利用率,基于神经网络的文本推荐模型相继被提出,但主流的卷积或循环神经网络在文本语义理解和长距离关系捕捉方面存在明显劣势。为了更好地挖掘用户与商品之间的深层潜在特征,进一步提高推荐质量,提出一种基于Ro BERTa和图增强Transformer的序列推荐(RGT)模型。引入评论文本数据,首先利用预训练的Ro BERTa模型捕获评论文本中的字词语义特征,初步建模用户的个性化兴趣,然后根据用户与商品的历史交互信息,构建具有时序特性的商品关联图注意力机制网络模型,通过图增强Transformer的方法将图模型学习到的各个商品的特征表示以序列的形式输入Transformer编码层,最后将得到的输出向量与之前捕获的语义表征以及计算得到的商品关联图的全图表征输入全连接层,以捕获用户全局的兴趣偏好,实现用户对商品的预测评分。在3组真实亚马逊公开数据集上的实验结果表明,与Deep FM、Conv MF等经典文本推荐模型相比,RGT模型在均方根误差(RMSE)和平均绝对误差(MAE)2种指标上有显著提升,相较于最优对比模型最高分别提升4.7%和5.3%。

高斯混合模型与文本图卷积网络结合的虚假评论识别算法

针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评论在训练数据上相对正常评论数不足的边信号强度;然后,考虑到信源的多样性,综合文档、词汇和评论以及非文本特征构造邻接矩阵;最后,通过Text GCN的谱分解提取邻接矩阵的虚假评论关联结构实施预测。根据国内某大型电商平台采集的126086条实际中文评论数据开展实证研究,实验结果表明,F-Text GCN识别虚假评论的F1值达到82.92%,与预训练表征模型BERT和文本卷积神经网络相比分别提升了10.46%和11.60%,相较于只使用评论文本信源的Text GCN模型F1值提升了2.94%;研究了高仿虚假评论的预测错误率,在支持向量机(SVM)作用后难识别的评论样本上尝试二次识别,F-Text GCN整体预测准确率可达94.71%,相较于Text GCN和SVM,在识别准确率上分别提升了2.91%和14.54%。研究发现,虚假评论的二阶图邻居结构显示出较强的干预消费者决策的词汇,这表明所提算法特别适用于提取用于虚假评论检测的长程词语搭配结构和全局句子特征模式变化的场景。

基于大数据的血液供应链管理研究综述及展望

血液供应链相关综述论文多聚焦于研究问题、方法、趋势和挑战等方面,缺少从数据应用角度探讨血液供应链管理的综述性研究。利用文献计量方法回顾了116篇学术论文,可视化地展示了基于大数据的血液供应链管理相关研究合作和热点。在此基础上,从大数据视角探讨血液采集管理、血液库存与分配管理以及血液供应链网络设计3个方面的研究热点。最后,提出基于大数据的血液供应链管理PAGE框架阐述未来研究方向。研究成果有助于学界更准确地追踪和聚焦血液供应链管理中大数据的应用研究前沿和主题,为业界利用大数据管理血液供应链提供重要指导方向。

醴陵釉下五彩研究现状分析——基于CNKI(2000-2022)数据统计与分析

醴陵釉下五彩是中华非物质文化遗产的重要组成部分。深入分析釉下五彩研究现状,对釉下五彩知识进行挖掘与共享利用,为釉下五彩的系统性保护、传承、振兴等提供参考和借鉴。以中国知网(CNKI)期刊文献数据库中2000—2022年有关醴陵釉下五彩瓷的文献为研究对象,分别从研究现状、研究进度、研究热点等方面进行分析,对20余年来釉下五彩瓷领域的研究进行动态梳理。研究发现,有关釉下五彩的研究具有明显的增长势头,尤其是以湖南地区为主,其研究主题主要在釉下五彩的历史溯源、烧制方法、造型艺术及其传承与保护上。釉下五彩研究现状表明,釉下五彩的发展关键点在于器具本身的创新。在研究中还发现,各研究机构间的合作频次较少,各研究机构与学者之间关联研究有待进一步加强。

国内外企业韧性研究述评与展望

韧性作为能够帮助企业在不利情境下生存、恢复甚至反超成长的能力,对企业发展具有重要意义。以CNKI和Web of Science核心合集数据库中关于企业韧性的国内外文献为研究样本,运用CiteSpace软件析出知识图谱进行可视化分析,展现企业韧性领域的基本现状。研究发现:企业韧性受到自组织因素及外部社会因素驱动,二者对企业韧性的形成发挥不同作用;在企业发展的“识别与预判—合作与防御—调整与协同”三阶段中,“微观—中观—宏观”3个层次不断进行“认识—实践—再认识—再实践”的往复迭代,最终生成企业韧性;企业基于不同层面主体生成内部和外部韧性,并带来心理、经济和能力等不同类型的成效,共同作用于企业未来发展。最后,基于现有研究,从企业韧性实践性问题、负面作用和本土化研究三方面提出未来可行的研究思路。研究有助于厘清国内外企业韧性研究现有进展,为未来更深入的研究提供参考。

基于残差网络融合多关系评论特征的虚假评论检测

随着电子商务和短视频社区平台的兴起,涌现出的虚假评论严重影响了用户体验。甚至为了对抗平台检测,伪装的评论(Review Camouflage)更加难以辨别。当前基于图神经网络(Graph Neural Networks,GNNs)的虚假评论检测方法在深层训练过程中容易出现网络退化和梯度消失问题。同时评论伪装导致评论标记更加倾斜,从而影响GNNs检测模型的鲁棒性。针对以上问题,提出了一种基于残差网络的检测方法MRDRN,可融合多关系评论特征进行虚假评论识别。首先,为了减缓网络退化,结合残差网络进行深层评论特征提取,并给出一种新的邻居混合采样策略,可根据评论之间的特征相似性进行低阶及高阶邻居混合采样,从而缓解评论标记不均衡的问题并学习更加丰富的评论特征。其次,提出了一种多关系评论特征融合策略,通过关系内评论网络拓扑与多关系间评论特征的整体融合,来减小评论伪装的影响。在3个真实数据集上进行实验,结果表明,MRDRN相比基准方法具有更高的检测能力和更强的鲁棒性。

命名实体消歧研究综述

实体消歧是指在一个具体的知识库中,把一个被标识的实体指称链向它对应条目的过程。实体消歧的任务是根据上下文信息解决一个命名实体指称项对应多个实体概念的一词多义问题,它在从海量数据准确提取信息的知识图谱构建过程中起到重要作用,是自然语言处理中的一项基本任务。该文主要对实体消歧技术的相关研究内容进行综述。首先,阐述了实体消歧的国内外研究背景,并对命名实体识别、候选实体生成、候选实体排序等实体消歧相关理论进行全面梳理。其次,对实体消歧的具体含义及其研究内容进行详细综述,并对实体消歧研究内容的特点进行了分析。再次,将实体消歧技术的实现方法划分为三类并对涉及到的数据集进行归纳,并从四个方面讨论了实体消歧领域存在的难点和提高实体消歧准确率的途径,对消歧方法的优缺点及评价指标进行了总结,意在为改善实体消歧效果提供新的解决思路。最后,对实体消歧技术的应用和发展前景进行总结。

基于知识图谱的核电厂安全审评辅助决策系统设计与工程小样实现

为了响应国家核安全监管体系和监管能力现代化的倡导,进一步提升核电厂安全审评的质量和效率,生态环境部核与辐射安全中心开展了核电厂安全审评优化技术研究。围绕核安全审评业务流程,构建了整体优化业务架构和数据架构,设计了核电厂安全审评辅助决策系统;通过对核电厂严重事故审评专业特性研究,建立严重事故审评知识图谱并嵌入系统实现了工程小样开发。该系统可利用自然语言处理模型对审评相关报告进行解读,并基于所嵌入知识图谱对相应领域审评相关报告进行辅助分析。研究成果可为核电厂安全审评工作的开展提供技术支持。

一种改进图神经网络的虚假评论检测方法

电商平台中的虚假评论存在误导消费者购买决策、损害消费者和合法商家权益的问题。现有的虚假评论识别方法难以发现虚假评论之间的隐含关联。为了提高虚假评论检测的分类效果,提出一种基于TrustRank算法和图神经网络的虚假评论检测方法。首先,通过构建虚假评论相关特征,计算出特征的重要性分数;其次,结合改进Trust⁃Rank方法计算评论的可疑值,利用自适应邻域采样策略对图中节点进行有偏向和自适应地选择并生成目标节点的邻域,以此改进GraphSAGE的随机采样算法;最后,使用Yelp数据集对该模型进行验证。结果表明,TR-GraphSAGE模型相比于LSTM、TextCNN、GCN和GraphSAGE,在准确率、召回率与F13个方面分别提升了5.86%、15.01%和10.12%。TR-GraphSAGE模型能够降低噪音对预测的影响,保证邻域信息的质量和数量,从而提高关联特征表示质量,为虚假评论检测提供了一种新方法。

碳审计研究综述——基于Citespace知识图谱分析

在全球化气候变暖的背景下,低碳经济作为近年来的热门话题,在国民经济发展中的重要性日益凸显,而碳审计作为实施低碳经济的重要手段和工具之一也受到了广泛关注,在总结当前碳审计研究及发展状况的基础上,通过使用Citespace6.1.R3科学计量可视化软件,结合Excel软件作图,以CNKI全球行知网数据库中碳审计研究主体的有关资料为主要研究对象,利用作者合作网络、关键词共现、时区、聚类等展开研究,以期能够从多个角度展示我国碳审计的研究状况,为我国有关专家和学者的研究提供参考依据。

基于CiteSpace的中国传统村落保护研究综述与展望

乡村振兴背景下,寻求物质文化保护与弘扬精神文明,推动传统村落可持续发展是当前学界主要任务之一。本文基于中国知网(CNKI)1999-2022年数据库,结合CiteSpace软件绘制可视化图谱,对中国传统村落保护相关研究进行深度梳理与结构性考量。研究发现:(1)受传统村落保护政策推动,相关研究成果2014年后呈急剧增长态势,发文机构与期刊呈现整体分散、局部集中的特点,高频发文作者和机构多为“单兵作战”,长期不利于传统村落保护跨学科综合探索;(2)根据关键词聚类分析,归纳出“文化景观”、“旅游活化”、“整体保护”、“少数民族村域”等热门主题,时间脉络有由关注“物”过渡到“人”的特性,研究体系日臻成熟与系统化;(3)依托乡村振兴政策推动,从探索传统村落保护实践新路径、推进村落自然空间与传统文化融合发展研究、注重数字化方法协同运用等方面提出研究展望。

妊娠糖尿病相关风险因素的系统评价再评价

目的:对妊娠糖尿病相关风险因素的系统评价进行系统检索、评价和整合,制作证据图谱,以明确妊娠糖尿病的危险因素和保护因素。方法:采用主题词和自由词相结合在the Cochrane Library、澳大利亚Joanna Briggs Institute(JBI)循证卫生保健中心数据库、PubMed、Web of Science、EMbase、CINAHL、中国知网、维普数据库、万方数据库和中国生物医学文献数据库进行文献检索,由2名研究人员按照纳入与排除标准进行文献筛选、数据提取,采用AMSTAR对纳入文献进行质量评价。结果:共纳入了40篇系统评价,纳入文献的整体方法学质量良好。共提取57个风险因素,按因素性质分为疾病与障碍(n=21)、营养和生活方式(n=15)、生殖相关(n=9)、生物标志物(n=5)和其他因素(n=7)五大类,按风险程度分为保护性因素(10个)和危险因素(47个)。23个风险因素的异质性估计值I 2值<50%,36个风险因素评估了发表偏倚,其中,39%的报告不存在发表偏倚。结论:妊娠糖尿病是遗传与环境等多种因素共同作用的结果,其发病的危险因素多种多样,基于多种因素进行妊娠糖尿病的早期预测和管理是未来的研究重点。

教育知识图谱的类型、应用及挑战

教育知识图谱作为知识的可视化呈现,通过处理海量无序、结构繁杂的数据,使其形成结构化的知识体系,在教育领域不断挖掘出新的发展空间。通过系统性文献综述,系统梳理了国内近10年的实证研究成果,以揭示知识图谱在教育领域的具体类型、应用及面临的挑战。研究发现,教育知识图谱主要包括学科知识图谱、群体知识图谱、多模态知识图谱、学习认知地图及教育知识库5种类型;知识图谱在学习者画像构建、学情诊断及学习评价、学习资源推荐、个性化学习路径规划、智能化管理及知识问答系统5个方面应用广泛。此外,在现阶段教育知识图谱构建及应用过程中,仍存在教育资源数据集质量不高、多源知识图谱融合难度大、教育知识图谱评估方法单一的实践挑战。

中国传统村落景观研究进展——基于Citespace的可视化分析

中国传统村落蕴藏着丰富的历史信息和文化内涵,是传承历史文化的重要空间载体。近年来,风景园林学科对于传统村落景观的研究日益重视,同时也成为了风景园林学科的热点话题之一。不过由于相关研究领域论文数量的大量增加,传统的论文阅读总结方法无法清晰的掌握当前研究内容的深度。Citespace作为如今文章可视化数据分析的主要工具,本文将通过其对近20年传统村落景观有关文章进行的量化数据分析,从发文作者、发文组织以及合作、研究热点等多个方面展开研究。内容将涵盖大量可视化数据分析文章以及客观评论,以便较为直观清晰的分析如今传统村落景观的研究状况,并通过当前国内关于传统村落景观的主要研究主题以及内容确定其变化趋势,目的就是为研究当前传统村落景观有关内容提供依据。

融合用户评论和异构图神经网络的景点分类

科技的发展使得数据量呈爆炸式增长,从数据中挖掘有价值的信息成为各行业研究的热点.旅游景点类型的准确划分,对于推动文化旅游产业发展具有重要意义.对此,论文融合景点评论构建景点异质信息网络,提出了SGAE(Scenic Spot Heterogeneous Graph Attention Embedding)模型.首先,从旅游网站和百科网站爬取国内部分5A和部分4A景点的描述以及景点的评论数据,通过对数据的处理和分析,从评论中挖掘出10个相关主题,构建由景点名称、景点评论和评论主题组成的异质信息网络;其次,将不同类型节点信息映射到同一空间,构造异质图卷积的逐层传播规则;然后,根据邻居节点的类型和节点的不同对某一具体节点的影响不同,将双层注意力引入异质图卷积网络中,提出SGAE模型,学习景点名称的低维特征表示,通过Softmax函数进行归一化,确定景点类型;最后,在景点数据集上与经典分类算法对比,所提出的SGAE模型在准确率和F1值较当前最优方法分别提高5%和4%,在公共数据集AGNews和MR上SGAE模型性能优于所有对比模型,且与分类效果最好的HGCN-RN模型相比,SGAE在AGNews上准确率和F1值分别提升了1.95%和1.98%,在MR上准确率和F1值分别提升了3.92%和6.96%,充分验证了论文所提算法在分类任务上的有效性.总之,针对景点分类问题,论文所提出的SGAE模型有效的提高了旅游景点分类问题的效果,具有较好的应用前景.

CiteSpace的国内老年用品设计研究可视化分析

研究选取CNKI为数据来源,共计83篇老年用品设计为主题的文献为样本,运用CiteSpace 5.6文献计量绘制高产作者与机构、高频关键词、关键词聚类及共现时区等方面展开分析。研究结果表明:我国老年用品设计研究经历三个发展阶段,总体发文量呈上升趋势,老年用品设计研究热点主要集中智慧养老服务、适老体验、人工智能辅具这三个方面,以期为老年用品设计研究方向提供有益建议。

近十年我国职业教育产教融合研究综述——基于Citespace文献计量分析

为了更深入掌握产教融合研究的发展情况与发展趋势,进一步推动产教融合的研究与发展,采用文献检索、可视化分析法和内容分析法,选取2011-2021年由中国知网CNKI所收录的核心期刊论文和CSSCI文献共计711篇作为研究样本,并通过Citespace文献计量分析软件对论文作者、发表机构、热点研究主题及其发展态势等进行了数据分析。结果显示,我国关于职业教育产教融合研究的核心作者团队和核心机构并没有形成,相关研究成果也在地域之间分配不均。

国内智慧旅游研究热点及其趋势分析

以2012—2022年收录于中国知网数据库中智慧旅游研究相关的3787篇文献为样本文献,运用CiteSpace可视化软件对其进行分析并绘制智慧旅游研究知识图谱。研究发现:智慧旅游研究文献数量呈线性增长态势,2014年后文献数量大幅增长;核心作者发文量与合作都较少,未形成较有代表性的学术团体;研究热点主要集中在智慧景区、信息化、乡村旅游、全域旅游、旅游体验等方面;研究主题聚焦在概念内涵、框架体系、效应作用、经验模式、评价体系。

集成层级图注意力网络检测非均衡虚假评论

作为机器学习当前一大热点,图神经网络(GNN)模型近年来已逐渐开始结合用户评论应用于欺诈检测领域。但现实中汇总的用户评论涉及多个不同领域,可用信息复杂多样,海量的用户生成内容中欺诈信息通常也只占少数,基于GNN的相关检测方法对虚假评论的识别效果不甚理想。针对这种特征异构和数据分布不均衡的问题,将评论系统进行异构网络建模,提出一种新的集成层次图注意力网络(En-HGAN)识别方法。通过融合层次注意力结构,更加充分地利用异构网络中丰富的用户行为信息,为评论学习更加丰富的语义表征,并在集成学习Bagging框架下集成多个差异化的HGAN子模型,使用随机欠采样策略实现基学习器多样性聚合,从而减少有效信息丢失,增强对欺诈评论的检测能力。在YelpChi与Amazon真实数据集上的实验结果表明,En-HGAN方法具有良好的异常探测性能,和当前一些最新的方法相比,在数据类别倾斜分布的应用中显示En-HGAN方法对欺诈实体具有不错的鲁棒性。

基于代价敏感图卷积网络的虚假评论检测研究

虚假评论是指在商品、服务或其他产品的评论中,存在一些不真实或者夸大其词的评论.虚假评论的存在会对消费者的购买决策产生严重的影响.但现阶段虚假评论检测方法中,并不能很好的提取文本特征,同时也没有处理数据集中包含的不平衡数据.针对这一问题,提出了一种基于代价敏感图卷积网络的虚假评论检测模型.该模型考虑了评论之间的相似性和关联性,将每个评论看作一个节点,并通过评论之间的相似性构建了一个图.利用代价敏感函数来处理数据中的不平衡问题,调整分类器的损失函数以更好地处理不同类别的样本.实验结果表明,相较于传统的虚假评论检测方法,模型在精确率、召回率和F1值等指标上均有所提高.