基于图注意力网络的时序知识图谱人机交互模型

组织和检索信息是人机交互重点关注的话题之一。基于知识图谱(Knowledge Graph,KG)的智能问答系统通过语义解析用户问题,检索知识并回答问题,已成为一种信息检索的有效途径,是人机交互的典型应用。时序知识图谱(Temporal Knowledge Graph,TKG)问答系统通过语言模型获取问题中的实体和时间戳,并在大型TKG中检索答案。TKG问答系统包含2个挑战:①给定问题,需检索整个TKG,效率低且易受干扰项的影响;②难以捕获问题中隐含的时间词和时间顺序信息。提出一种基于图注意力网络的时间对比学习(Time Contrast Learning,TCL)模型,将源问题与替换时间词后的对比问题同时训练,使用图注意力网络更新实体邻接子图的节点特征,缩小潜在答案的检索空间。在CRONQUESTIONS数据集上进行大量实验,结果表明TCL比其他基准方法具有更好的性能,相较于最先进的基准方法在H it@1和Hits@10指标上平均提升3.44%和2.02%。

基于因子图模型的水下传感器网络时间同步方法

为了降低水下传感器时间同步周期长、提高同步效率,本文提出了一种基于因子图模型的水下位置、声速、时延测量值的参数融合方法。该方法在求解系统钟差边缘概率密度函数后,对该函数进行二进制化简,从而快速解算各传感器钟差,实现网络的动态时间统一。试验结果证明:在其动态时间同步准确度高于8×10^(-4) s的前提下,其同步周期仅为现有方法的1/2,并可以在一个周期内完成对整个网络的授时,计算量降低。

锚社区时序网络图生成算法

图数据相关分析任务往往需要合成数据集来检验和评估算法的有效性和高效性。真实世界图数据不仅在拓扑上具有社区结构特征,还往往在时序上呈现出一定的演化特性,社区节点可能在锚定时间窗口内频繁交互。然而,现有合成方法存在一定局限性。大多方法或仅关注网络中的社区结构,或仅关注网络中的时序信息,无法生成节点锚时频繁交互的社区。为克服此局限,提出了锚社区概念及定义以刻画社区内节点锚时频繁交互的特性;接着,基于分布概率生成模型提出了一般时序图生成算法;进一步地,提出了锚社区时序网络图生成算法(GTN-AC),不仅允许用户配置锚定时间窗口,还允许用户指定度数分布和时间戳分布。实验结果表明,相较于基准方法,GTN-AC能在保证较优生成质量的同时拥有较快的生成速度。

基于时间累积图模型的空间信息网络建模方法研究

提出一种基于时间累积图模型的空间信息网络建模方法。在分析空间信息网络高动态特征的基础上,用STK软件分别以不同规模和类型卫星为案例网络,建立空间信息网络仿真环境,分析研究案例网络及节点的基本属性,验证了基于时间累积图模型的空间信息网络建模方法的有效性。相对于其他网络模型,所提方法能更完整有效的刻画分析时间段内网络拓扑结构的变化过程,反映节点的真实信息转移关系,实现对空间信息网络高动态下真实复杂结构特征的揭示。

双边投资协定网络的演化机制——基于多维邻近性视角

利用社会网络分析方法考察了双边投资协定(BITs)网络的历史演化特征与驱动机制。研究发现,BITs网络大致经历了初步形成、迅猛发展和结构调整三个阶段,呈现出一个较完整的S型增长,网络核心—半核心—边缘结构实现了由“金字塔”向“橄榄球”的转变。以多维邻近性为视角,运用时间指数随机图模型对BITs网络形成的影响因素进行分析,结果显示,多维邻近性是驱动BITs网络形成的重要力量,经济和制度邻近性对BITs关系的形成有负向影响,贸易水平、地理和社会邻近性对BITs关系的形成有正向影响。然而,2008年金融危机改变了BITs网络的结构特征,金融危机后BITs网络呈现分散化、多边化发展趋势,某些邻近性变量影响不再显著,社会环境类因素成为影响BITs网络的关键因素。

基于改进差分进化和回声状态网络的时间序列预测研究

针对回声状态网络无法根据不同的时间序列有效地选择储备池参数的问题,本文提出一种新型预测模型,利用改进的差分进化算法来优化回声状态网络.其中差分进化算法的缩放因子F、交叉概率CR和变异策略自适应调整,以提高算法的寻优性能.为验证本文方法的有效性,对Lorenz时间序列、大连月平均气温-降雨量数据集进行仿真实验.由实验结果可知,本文提出的模型可以提高时间序列的预测精度,且具有良好的泛化能力及实际应用价值.

基于分级二分图和改进差分进化的网络故障定位算法（英文）

为了减少网络故障传播模型的计算量和提高网络故障定位的准确性,提出了一种基于分级二分图和改进差分进化的网络故障定位算法,适用于计算机网络信息安全管理或者隐私保护。首先,通过引入分级故障诊断概念设计了完整二分图故障模型,并利用其将系统的网络故障定位在3个不同层级的子模型中。然后利用不同的二分图故障传播模型进行网络故障诊断。最后通过启发式思想,结合改进差分进化算法进行求解,有效解决了故障定位准确性低的问题。通过仿真实验证明了提出算法的有效性,结果显示提出算法具有较高的准确性和更少的诊断定位时间。

跨国专利申请驱动了国际贸易网络吗?

跨国专利申请作为创新能力的重要体现,不仅加速了国际技术创新的扩散和转移,也促进了国际贸易关系的形成和维系。文章基于1998—2020年贸易数据以及跨国专利申请数据,在网络研究框架下,比较分析了国际贸易网络和全球创新网络的结构特征,并利用时间指数随机图模型(TERGM)估计跨国专利申请对贸易网络结构演进的影响。通过对网络拓扑结构特征分析发现,全球创新网络与贸易网络结构有一定相似性,但国际贸易网络更加紧密,有着更高的集聚性。在专利申请关系密切的国家(地区)之间有着更紧密的贸易联系。在全球创新网络中居于中心地位的国家(地区)在贸易网络中也更具重要性和影响力,反之则不然。进一步研究发现,全球创新网络显著驱动了国际贸易网络的演进,而贸易网络的内生自组织过程强化了创新网络的驱动作用。

基于点击流数据的消费者动态共购网络研究

文章基于消费者点击流数据和网络结构,使用时态指数随机图模型(TERGM)和消费者点击流数据建构了消费者动态共同购买网络,从产品点击次数、相对浏览时间、好评数、差评数和产品入度等维度测度了影响消费者共同购买行为发生的关键变量,并与指数随机图模型(ERGM)进行了比较。结果表明:产品相对浏览时间、好评数和产品入度促进消费者共同购买行为发生,而产品点击次数会降低消费者共同购买可能性;TERGM模型适合于消费者共同购买行为的网络分析,且拟合效果优于ERGM,验证了TERGM模型对消费者共同购买行为的适用性;文章提出点击流的隐式反馈中应加入时间网络结构视角研究对共同购买网络形成的影响,可为推荐系统优化设计提供有益参考。

基于EPNET模型和多期预测的时间序列预测

文中主要研究了基于EPNET(EvolutionaryProgrammingNet)的时间序列预测问题。EPNET是一种进化人工神经网络模型,它能够同时优化网络权值和网络结构。该模型没有采用遗传算法中的交叉算子,而是采用了五个变异算子来获得比较理想的进化效果。在此基础上,提出了基于该模型的时间序列预测算法,介绍了该算法实现时的有关问题。

基于进化神经网络方法的矿石消费时序分析

利用神经网络建立模型 ,并应用遗传算法识别最佳网络结构(模型的阶数p值和隐含层节点数 ) ,进而提出了一种用于时序分析的进化神经网络新方法。最后 ,将其应用于我国铁矿石消费指数的预测 。

基于富网络属性路网模型配送问题研究及仿真

为解决多仓库对多客户点进行配送以及在配送过程中车辆调度决策者面对道路突发状况的应急问题,采用组合优化算法对配送提供最短路径和最短时间两种决策模式进行研究.首先建立GIS富网络模型,包含道路等级权值,同时根据不同等级建立不同行车速度,求得相应的距离最短和时间最短OD矩阵;其次借鉴系统生物学中进化树分类的思想,对目标节点动态回溯分类,有效降低客户点数目,实现多仓库货存量协调优化;再次,建立配送模型,将非线性问题转化为线性问题,进而,采用线性规划计算得到配送方案.最后,结合杭州市卷烟配送实例验证了算法的有效性.

中国城市劳动力流动的网络特征——基于百度迁徙大数据的研究

本文基于2020-2023年元宵节后的百度迁徙数据构建劳动力流动网络,采用社会网络分析方法和时间指数随机图模型系统分析了中国城市劳动力流动网络的动态结构特征及形成机制。结果表明:①我国城市间劳动力流动网络表现出时间上的二元稳定性,总体格局为以郑州-武汉为中枢,北京、上海、深圳、成都为顶点的显著菱形结构,内部流动远超外围,展现了区域间的强连接与集群效应。②与前期相比,2023年的劳动力流动在菱形区域内外的分化更为显著,中部城市作为枢纽的作用增强,网络密集程度上升,高强度流动线路减少,显示出劳动力流动的均衡化趋势。③网络呈现出明显的“集中流入”与“分散流出”的形态,劳动力的流入会促进回流,互惠传递模式不断促成了以资源、经济力量、环境优势为纽带的城市网络,形成了结构上的“由弱趋强”与“强强联合”并存的流动格局;④流动的驱动因素呈现多维化。

融合多特征与时间序列的人群行为识别模型

人群行为识别在公共安全等领域具有重要的应用价值.现有研究分别考虑了人群情绪、人群类型、人群密度以及人群社会文化环境等因素对于人群行为的影响,但少有综合考虑这些因素的模型,导致模型性能受限.本文综合考虑人群的物理特征、社交特征、情绪人格特征和文化背景特征之间的相关性,以及相结合之后对人群行为的影响,提出一种融合多特征与时间序列的人群行为识别模型.模型采用两个并行的网络层分别处理多特征相关性和时间序列依赖性对于人群行为的影响,同时为提高模型可解释性,网络层采用融合结构因果模型(SCM)与图神经网络(GNN)的因果图网络(CGN).通过在运动情感数据集(MED)上进行实验并与其他方法模型进行对比,证明了本文方法能够成功识别人群行为,并且优于目前最先进的方法.

改进回溯搜索优化回声状态网络时间序列预测

回声状态网络(Echo State Network, ESN)网络结构简单且耦合"时间参数",在时间序列预测研究中具有重要的理论和应用价值.本文提出使用自适应回溯搜索算法(Adaptive Backtracking Search optimization Algorithm,ABSA)优化ESN输出连接权值矩阵,克服标准线性回归方法造成的网络过拟合问题. ABSA使用自适应变异因子策略替换标准BSA中随机给定变异因子的策略,实现BSA在收敛精度和收敛速率之间的平衡.实验表明,采用ABSA优化的ESN能够比未优化的ESN和采用其他进化算法优化的ESN获得更好的预测精度.

城市轨道交通网络“一票通”换乘的票款分配比例模型

应用图论中关于无向连通图的算法,用“最短时间法”确定大部分乘客愿意选择的路径;根据乘客选择路径的概率,计算路径分配比例;根据线路提供的服务,计算线路的分配比例。作者建立了一个实用的软件模型,定义了一套系统参数,能够根据轨道交通的运营和发展情况,灵活、合理地给出车站对之间票款的分配比例。

基于作战环的空间信息网络动态建模

针对空间信息网络的使命任务和本身的高动态性、复杂性等特点,提出一种空间信息网络建模方法。通过作战环理论区分网络节点和边的不同类型,在时间累积时变图的基础上对网络建模。使用STK软件构建案例网络,分析空间信息动态网结构特性,研究空间信息动态网中作战环的形成过程以及节点之间的联系,通过作战环的数量以及网络连通性能的变化结果验证了模型的可用性。相较于其他网络模型,所提方法能够同时反映空间信息网络的功能性和高动态性,有效体现网络节点和边的特征属性。

基于非参数正态图模型的差异网络分析——肝细胞癌生存时间枢纽基因的筛选

目的评价基于非参数正态图模型的差异网络分析方法筛选差异基因的效果,并筛选影响肝细胞癌患者生存时间的枢纽基因,用于预测患者的预后或作为新的药物靶点。方法模拟实验中用AUC值评价基于非参数正态图模型的差异网络分析筛选差异基因的效果,再从TCGA数据库下载3个平台5个数据集的肝细胞癌患者的基因表达数据,纳入通路等先验信息利用非参数正态图模型构建差异表达网络,按照节点连接边的个数即度的大小选择枢纽基因。结果在4种条件的模拟实验中,非参数正态图模型筛选差异基因的AUC值范围为0.71～0.97;在肝细胞癌数据的分析中,筛选出8个与肝细胞癌生存时间相关的枢纽基因,分别是IGF1、ErbB2、FGF9、GH2、cSH2、HSP90AA1、PPP2R5B和EPO。结论基于非参数正态图模型的差异网络分析方法在模拟实验中筛选差异基因的效果较好,在实例数据分析中筛选的肝细胞癌生存时间相关的枢纽基因都有较为明确的生物学功能。

国际粮食贸易网络多核集聚格局的形成机制研究

受全球新冠肺炎疫情影响,国际粮食贸易网络格局的动态变化成为当前全球关注的热点。通过构建1995-2018年全球125个主要经济体的国际粮食贸易网络,探索贸易格局演化特征和形成机制。研究发现:国际粮食贸易网络的网络密度、贸易规模和集聚程度增加,表现出越来越“小”的小世界特性;网络格局以美国独大、离散少核的不均衡格局演化为以俄罗斯、美国、泰国等重要的粮食出口国为多个中心的集聚多核的均衡格局。基于时间指数随机图模型的实证结果得出,自组织机制中的扩张性、三元组闭合性、稳定性和关系嵌入机制中的互补性关系均促进了粮食贸易关系的形成,没有证据显示竞争性关系对粮食贸易关系有抑制作用,在一定程度上肯定了国际粮食贸易的正和博弈本质。

WDM光网络动态路由和波长分配算法

研究了WDM光网络中的路由和波长分配问题,比较了目前提出的算法,并结合分层图模型提出了一种新的动态路由和波长分配算法。对算法的时间复杂度进行了分析和仿真。