基于图神经网络与迁移学习的流行病例数预测

预测流行病的病例数对研究流行病学和保障卫生安全至关重要,但现有的研究工作很少考虑到实时移动性数据等因素,这一问题给病例数的预测研究带来了挑战。因此,在图神经网络GNN的基础上提出一种新型计算框架-信息聚合网络IAN,既考虑地区病例数据特征,也考虑地区之间的人口移动性数据特征。为了优化各个国家的前期预测模型,在该框架的基础上加入迁移学习方法TL。在四个欧洲国家数据集上的实验结果表明,IAN以及IAN-TL明显优于传统方法,能够有效地降低预测误差。

一种新的网络信息聚合签名方法的仿真研究

现有研究提出的网络信息签名方法忽略了对信息签名间关联性的分析,导致签名信息的聚合成功率低,且误差率高。提出基于SM2密码算法的网络信息聚合签名方法。在SM2密码算法的基础上设计环签名方案,通过单向函数获得网络信息的签名算法,并对该签名方案安全性验证。采用动态时间弯曲方法度量网络信息签名之间存在的总体距离,构建网络信息签名之间的分量近似距离矩阵和总体距离矩阵,并从以上两个角度分析网络信息签名之间存在的关联关系,完成网络信息聚合签名。仿真结果表明,所提方法的签名信息聚合成功率高、误差率低,所提方法的实用性较好。

我国图书情报领域研究者对网络信息资源的利用分析

本文采用引文分析的方法，基于网络信息资源聚合研究的展开要求，对特定领域研究者网络信息资源的利用情况和需求进行探讨。首先，提出探究研究者网络信息资源利用的网络引文分析框架，框架从资源整体利用情况和以单篇论文为单位的个体利用情况两个方面分析图书情报领域研究者对网络信息资源的利用情况。接着，参照框架对2010～2012年发表的图书情报领域会议论文、期刊论文、博／硕士学位论文分开进行计量分析，揭示其中主题分布、域名分布、类型分布、URL深度分布、研究者利用数量、利用类型、利用目的等的特征，总结图书情报领域网络信息资源利用的需求，得到对图书情报领域网络信息资源聚合研究的相关启示。