基于自注意力融合的不完整多视图聚类算法

基于不完整数据的多视图聚类任务已经成为无监督学习领域的研究热点之一。然而大多数基于“浅层”模型的多视图聚类算法通常在面对大规模高维数据时难以提取和刻画视图内的潜在特征结构;同时,堆叠或求平均的多视图信息融合方式忽视了视图之间的差异性,没有充分考虑各视图对构建公共一致表示的不同贡献。针对以上问题,提出一种基于自注意力融合的不完整多视图聚类算法(IMVCSAF)。首先,基于深度自编码器提取各视图的潜在特征,并采用对比学习的方式最大化各视图间的一致性信息;其次,采用自注意力机制对各视图的潜在表示进行重新编码和融合,并全面考虑和挖掘不同视图之间的内在因果性和特征互补性;再次,基于公共一致表示对缺失实例样本的潜在表示进行预测和恢复,从而完整地实现多视图聚类的过程。在Scene-15、LandUse-21、Caltech101-20和NoisyMNIST数据集上的实验结果表明,IMVCSAF在满足收敛性要求的前提下得到的准确率均高于其他对比算法,而在50%缺失率的Noisy-MNIST数据集上,IMVCSAF的准确率比次优的COMPLETER(inCOMPlete muLti-view clustEring via conTrastivE pRediction)算法提高了6.58个百分点。

基于多阶近邻约束的深度不完整多视图聚类方法

多视图聚类是重要的无监督学习方法之一,然而在实际应用中很难获取完整的多视图数据,导致不完整多视图聚类问题.大多数已有的不完整多视图聚类方法只考虑了视图的属性信息,而忽视了数据结构信息对聚类的影响,使提取的特征不能充分表示原始数据的潜在结构.针对以上问题,提出一种基于多阶近邻约束的深度不完整多视图聚类方法.首先,利用具有自注意力机制的深度自编码器获取带有视图间信息交互的深层次隐含特征,并采用加权融合的方式获取视图的公共语义信息;然后,对于不完整多视图中的缺失数据,利用多视图的公共表示进行补全;最后,提出一种多阶近邻约束机制,该机制考虑不完整多视图数据的深层结构信息,利用多视图的互补性构建近似完整的近邻图,引导编码器学习更紧致、更有判别性的高级语义特征.在公共数据集上的实验结果证明了所提方法的有效性.

自适应相似图联合优化的多视图聚类

相比于单一视图学习,多视图学习往往可以获得学习对象更全面的信息,因而在无监督学习领域,多视图聚类受到了研究者的极大关注,其中基于图的多视图聚类,近年来取得了很大的研究进展.基于图的多视图聚类一般是先从各个视图原始数据学习相似图,再进行视图间相似图的融合来获得最终聚类结果,因此,多视图聚类的效果是由相似图质量和相似图融合方法共同决定的.然而,现有基于图的多视图聚类方法几乎都聚焦在视图间相似图的融合方法研究上,而缺乏对相似图本身质量的关注.这些方法大多数都是孤立地从各视图的原始数据中学习相似图,并且在后续图融合过程中保持相似图不变.这样得到的相似图不可避免地包含噪声和冗余信息,进而影响后续的图融合和聚类.而少量考虑相似图质量的研究,要么相似图构造和图融合过程是直接联立迭代的,要么在预定义相似图过程中提前利用秩约束进一步初始化,要么就是利用相似图存在的一些底层结构来获取融合图的.这些方法对相似图本身改进很小,最终聚类性能提升也十分有限.同时现有基于图的多视图聚类流程也缺乏对各视图间一致性和不一致性的综合考虑,这也会严重影响最终的多视图聚类性能.为了避免低质量预定义相似图对聚类结果的不利影响以及综合考虑视图间一致性与不一致性来提升最终聚类效果,本文提出了一种自适应相似图联合优化的多视图聚类方法.首先通过Hadamard积来获得视图间高质量一致性部分信息,再将每个预定义相似图和这部分信息对标,重构各个视图的预设相似图.这个过程强化了各视图间的一致性部分,弱化了不一致性部分.其次设计了相似图重构改进和图融合联合迭代优化框架,实现了相似图的自适应改进,最终达到相似图和聚类结果共同提升的效果.该方法将相似图改进过程与图融合过程联合起来进行自适应迭代优化,并且在迭代优化中不断强化各视图间的一致性,弱化视图间的不一致性.此外,本文的方法也集成了现有多视图聚类方法的一些优点,自加权以及无需额外聚类步骤等.在九个基准数据集上与八个对比方法的实验验证了本文方法的有效性与优越性.

员工职业生涯自我管理的实现过程——基于注意力基础观的扎根理论研究

外部环境的易变性和不确定性突出了员工职业生涯自我管理的重要性。通过案例分析方法,基于注意力基础观,构建了包含组织层面与个体层面的员工职业生涯自我管理过程模型,该模型从组织与个体的互动视角探析了员工职业生涯管理的动态形成机制。在组织层面,分析了员工职业生涯自我管理决策环境的形成过程,描述了组织战略的形成,以及以组织战略为核心的组织文化与组织流程的建立和发展;在个体层面,员工通过对决策环境的理解和认知,将自我注意力聚焦于“我要发展”这一核心信息,在此基础上进行注意力配置,决定将自身的时间和精力分配到自我管理过程中,进而做出职业生涯自我管理的决策,获得持续的职业成长。

员工持股计划与企业风险承担:激励还是自利

基于员工持股计划的“激励观”和“自利观”,选取2008—2022年的沪深A股上市公司数据,实证研究员工持股计划对企业风险承担的关系及其产生的机制。研究发现:员工持股计划实施显著提升了企业风险承担,经过一系列稳健性检验结论依然成立。并且,这一正向影响会因股权性质、管理层激励程度以及劳动力依赖程度等条件的不同,对企业风险承担产生差异化影响。文章证实了员工持股计划符合“激励观”而非“自利观”,这对深化员工持股计划的后续部署具有重要参考价值。

翻译伦理的具身性研究——以儒家身体观为视角

翻译伦理是翻译研究的一个重要维度。西方翻译伦理大多将翻译主体当作抽象的“心智主体”去研究,是一种“离身”视角的阐释。与西方身心二元的路径不同,儒家身体观将人作为“身心合一”的主体去理解,以“己身”为连接方式与他者展开伦理实践,是一种“人本化”的具身观。以儒家身体观探讨翻译伦理的具身性研究,是以儒家身体观的“以身体之“”万物一体之仁”为核心来阐释翻译伦理的内涵,指向探寻译者如何“修身”、理解翻译伦理客体的扩容、解读“身体作为伦理”的始源意义。这不仅对于译者“成己“”成物”的价值方面具有拓展性意义,而且也为翻译伦理研究注入新的解释空间。

一种大视场红外相机的畸变校正方法

本文针对大视场红外相机的畸变校正过程复杂的问题,提出了一种新的畸变校正方法。首先,选择单参数除法模型(division model,DM)作为相机畸变模型,使用改进的加速特征稳健算法(speed-up robust features,SURF)自动获取两幅有相同场景的畸变红外图像的特征点对,然后利用九点非迭代算法和核密度估计方法获取图像的畸变参数,最后根据求得的畸变参数使用基于边缘保持的灰度插值方法对图像进行畸变校正。在整个过程中,不需要预先知道相机的参数和场景信息,通过输入两幅具有相同场景的图像,完成畸变校正,为大视场红外相机的畸变校正提供了一种新的解决方法。实验结果表明,使用该方法对大视场红外相机进行畸变校正具有可行性和鲁棒性。

马克思哲学的“自我证成难题”与马克思思想的哲学维度

马克思的思想理论体系中是否存在着哲学维度,是一个充满争议的问题,而马克思哲学的“自我证成难题”构成这一争议的焦点。如何回应马克思哲学的“自我证成难题”,对阐明马克思思想的哲学维度具有特殊重要的意义。为此,我们需要澄清并深入分析马克思哲学的“反哲学”和“非哲学”的真实所指,并从马克思关于哲学与生活实践的辩证关系的变革性理解出发,把握马克思思想的哲学维度。只有这样,我们才能为马克思思想体系中哲学的合法性提供根本性辩护,并彰显其哲学观独特的当代意义。

图对比学习引导的多视图聚类网络

多视图聚类由于能从多个角度利用数据的信息引起了广泛的关注。然而,目前的多视图聚类算法普遍存在以下几个问题:1)专注数据的属性特征或结构特征,没有充分结合这两种信息,以提高潜在嵌入的质量;2)基于图神经网络的方法虽然能同时利用属性和结构数据,但是基于图卷积或图注意力的模型在网络层数过深时会产生过度平滑的问题。为了解决以上问题,提出一个图对比学习引导的多视图聚类网络(MCNGCL)。首先,使用多视图自编码器模块捕捉每个视图的私有表示;其次,通过自适应加权融合构造公共表示;再次,结合图对比学习模块,使相邻节点在聚类时更容易被划分为同簇,同时缓解网络在聚合邻居节点信息时产生的过度平滑的问题;最后,使用自监督聚类模块,使公共表示和视图的私有表示向有利于聚类的方向优化。实验结果表明,MCNGCL在多个数据集上都取得了不错的效果,在3sources数据集上,与次优的CMGEC(Consistent Multiple Graph Embedding for multi-view Clustering)相比,MCNGCL的准确率指标提升了2.83个百分点,规范化互信息(NMI)指标提升了3.70个百分点;消融实验和参数敏感性分析结果也验证了MCNGCL的有效性。

结合局部自注意力和深度优化的多视图重建

针对多视图三维重建中存在的内存和时间消耗过大、高分辨率重建完整性差等问题,提出一种基于深度学习的多视图重建网络。网络由特征提取模块、级联的Patchmatch模块和深度图优化模块组成。首先,设计U型的特征提取模块,提取多阶段特征图,并在每个阶段引入相对位置编码的局部自注意力层,捕捉图像中的局部细节和全局上下文,提升网络特征提取性能。其次,设计深度残差网络,通过密集连接和残差结构对特征进行融合,充分利用彩色图像先验知识来约束深度图,提升深度估计的准确性。在公开数据集DTU(Technical University of Denmark)上进行测试,实验结果表明,三维重建质量到了有效的提升,与PatchmatchNet相比在完整性上提升了6.1%,在整体性上提升了2.5%,与其他的SOTA(State-Of-The-Art)方法相比,在完整性和整体性上都得到了较大提升。

基于自表示和投影映射的不完整多视图聚类

针对不完整多视图聚类存在的缺陷,提出一种融合自表示和投影映射的统一框架.首先,利用自表示和样本存在指示矩阵学习一致相似图,它反映了样本间的公共相似关系;其次,利用投影映射将样本矩阵投影到超球面上,得到公共低维表示;最后,将两者通过谱表示嵌入在一起,解决了因多视图数据缺失引起的不完整多视图聚类问题.该算法在真实数据集上的实验结果优于其他算法,证明了算法的有效性.

《文心雕龙》上篇的“文学自觉”阐释

“文学自觉”这一命题含义模糊,通过对《文心雕龙》上篇的阐发可以解决“文学自觉”含义的泛化。《文心雕龙》上篇以“大文学观”为基础,修正了“纯文学”视野对文学的狭窄定义。上篇的篇目呈现层次分明的“文体序列”,可以衡量文章的“自觉”程度,规定了文章书写的广度、深度和表达的自由度。上篇的结构体现以文章为中心的“阐释空间”,通过理想作者和理想读者的建构来确立文章的“正体”,形成一套独特的“文学自觉”标准。

玛克辛·格林“全面觉醒”教师观及其当代价值

“全面觉醒”是玛克辛·格林教师哲学思想中的核心命题。“全面觉醒”的提出是基于对技术理性危害的反思、对过度追求教育工具价值的纠偏以及对教师对于教育生活与个人生活的麻木和忽视自我存在的警惕。这一概念自社会学领域借鉴而来,旨在描述保持高度意识张力和充分关注教育生活的教师理想意识状态,兼顾教师自我意识层面和身份意识层面觉醒双重诉求。对当代教师而言,实现“全面觉醒”有着助推个人成长与角色成长的双重价值:既帮助教师有意识地去改变现状,追求更好的生活,也促使教师突破自身认识和思维局限,创新教学内容和方法,助力学生发展个性、发挥潜能。

马克思主义革命观视域下中国共产党自我革命理论探颐

马克思主义革命观本就孕育着自我革命思想,这构成了中国共产党自我革命理论的思想原点。在比较视域下,自我革命是一种自主自觉自为地改变或改造主观世界的“现实的运动”,它与改变客观世界的社会革命一道,共同驱动着人类社会形态更替和人类文明新形态创造。以“习近平总书记关于党的自我革命的重要思想”为核心的中国共产党自我革命理论,是对马克思主义革命观特别是其中内蕴的自我革命思想的继承和创新;其生成逻辑可进一步通过历史、现实、价值和文化四个维度得到精准测度;其内容体系可经由核心内涵、战略思想、基本问题、实践要求和制度规范体系等方面得以全息把握。揆诸当下与未来,推进党的自我革命,依然需要在马克思主义革命观尤其是“习近平总书记关于党的自我革命的重要思想”指引下,结合“九个以”实践要求,致力于如下五大战略路径之开拓:以“实现中华民族伟大复兴”为终极目标;以“人民江山论”为根本立场;以“三个务必”为思想警醒;以“两个伟大革命”为宝贵经验;以“自我革命精神”为支撑引领。

海外中国观与文化主体性叙事的交互建构以丁龙捐赠事件的传奇化过程为例

通过对“Dean Lung汉学讲席”事件演绎而来的“丁龙传奇”进行探析,本文发现其历史叙述的重要建构节点多出现在美国“中国热”与中国知识分子建构自身文化认同的风潮交汇互动之际。一系列的互动过程揭示了鸦片战争以前的国际秩序在近现代如何发挥双重意义图式的作用:它既沉淀为以儒家文明为符号的华夏中心情结作用于中国,也转化为以“儒教中国”为象征的积极东方主义作用于西方。两者以不同时期的发展形态在“丁龙传奇”的建构空间对话和交互阐释,鲜明地呈现了近代中美交往的过程中对“何谓中国”的符号化想象。由此可见,知识分子所阐发的中国文明本身,也被跨文化交往中的既有历史结构所笼罩。这意味着“文化自觉”的纵向内省与横向交流,实为相辅相成、互相建构的一个多时空不断对话的动态系统。择取其中积极的中国符号进行表达,或能引发异文化乃至国际社会对中国的极大善意和兴趣,但也在一定程度上窄化了人们想象中国的空间,限制了认知真实中国的丰富可能。意识到这一点,将有助于中外学者理解并掌握文明交流互鉴的密匙,以更加广阔的胸襟和丰富的智慧讲好中国与世界的故事。

基于属性依存增强的文搜图行人重识别

文搜图行人重识别旨在通过给定的文本从行人图库中检索目标人物,主要挑战的是学习对自由视角(姿势、照明和相机视点)的图像和自由形式的文本具备鲁棒特征。然而,由于在文本描述和行人图像中存在对行人属性挖掘的不足,在细粒度上因细节的差异从而影响了从文本描述到行人图像的检索性能。因此,研究提出了基于属性依存增强的文搜图行人重识别。首先,从文本描述解析出依存关系,并转化为依存矩阵。其次,设计了一个基于自注意力的属性干预模块来融合文本特征和依存矩阵,得到属性增强的文本特征。此时,文本特征经过干预,更为关注属性信息。最后,文本特征与图像特征参与训练,让整个网络对属性的挖掘更为敏感。在两个数据集CUHK-PEDES和ICFG-PEDES上进行实验,证明了模型的有效性。

图像与自我:论现代人自我观看的迷失与出口

人们对自身形象的观看总是基于自我图像。无论是肖像、摄影或是自拍,基于图像的自我观看都充斥着大量非我的要素:他人的凝视、理想自我、滤镜美化等等。这些自我观看都是非本真的,人们容易迷失在自我图像的表面而忽视自我观看的实质。而在自我图像中,神情、眼神与姿势作为一种本真的存在需要经过还原才能得以显现。神情与眼神指向主体的精神,而姿势则指向主体的身体,它们共同构成一种本真的自我观看。

自监督混合图神经网络的会话推荐模型

基于会话的推荐旨在利用匿名会话预测用户行为。现有基于图神经网络(GNN)的会话推荐算法大多仅针对当前会话提取用户偏好,却忽略了来自其他会话的高阶多元关系从而影响推荐精度。此外,由于会话推荐所采用的短时交互序列包含的信息非常有限,使其更容易受到数据稀疏性的影响。针对上述问题,提出了自监督混合图神经网络会话推荐模型(SHGN)。该模型首先通过将原始数据构建为三个视图来描述会话与物品关系,然后通过多头图注意力网络捕获会话内部物品的低阶转换信息,提出了残差图卷积网络捕获物品和会话的高阶转换信息;最后融合自监督学习(SSL)作为辅助任务,通过最大化不同通道学习到的会话嵌入的互信息,对原始数据进行数据增强从而提升推荐性能。为了验证该方法的有效性,在Tmall、Diginetica、Nowplaying、Yoochoose四个基准数据集上与SR-GNN、GCE-GNN、DHCN等主流基线模型进行了对比实验,实验结果在P@20、MRR@20等性能指标上均取得了一定提升。

基于多视图Transformer的下一个事件预测

预测性业务流程监控依赖存储在事件日志中的历史数据预测当前执行流程的未来趋势.现有的基于深度学习的方法往往只考虑事件的活动和时间戳,忽略了事件的其他属性,导致预测下一个事件不够准确.针对此问题,提出一种基于多视图的Transformer模型进行预测,旨在提高对下一个事件的预测准确性.该模型基于事件日志中记录的各种事件信息,融合了自注意机制来建立事件序列和相应输出之间的复杂依赖关系,更全面地利用事件日志的信息.在4个真实生活事件数据集上的实验结果表明,所提出的方法在一定程度上提高了预测下一个事件任务的准确性,更准确地预测了未来业务流程中的事件.

沈从文文学批评与“自我经典化”——兼谈经典观念如何介入作家创作

20世纪30年代,沈从文藉由系列批评文章表达了自身对于文学经典(伟大中国文学作品)的理解与思考,这些批评话语背后潜藏着强烈的“自我经典化”意识,并在其解读具体作家作品的过程中得以充分呈现:一是以“我”之经典观点评“他者”,即以自己心中的经典标准来评价或界定同时代其他作家的文学作品;二是主动将自己的作品与同时代风格近于自己的作家作品进行对读比较,并在此过程中实现对自我的阐释与评价,敞开理解自己作品“经典性”的空间和路径;三是频繁为自己的作品预设理想的读者和评论者,展露出对作品恒久审美价值的深度追求。沈从文的“自我经典化”,有力拓展了现代文学关于文学经典的思考和认识,也在一定程度上推动了其文学经典地位的最终确立。